INTERACTIVE EFFECTS PANEL DATA MODELS WITH GENERAL FACTORS AND REGRESSORS
具有一般因子与解释变量的交互效应面板模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：题名和摘要明确讨论包含不可观测共同因子的交互效应面板模型，但未指定宏观面板应用背景。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
具有一般因子与解释变量的交互效应面板模型
- 研究问题
- 在共同因子与解释变量的趋势和积分阶数均未知时，如何估计交互效应面板模型，并缓解渐近附带参数偏误？
- 方法与思路
- 作者提出迭代主成分估计，允许因子数量、确定性或随机性质及积分阶数未知，也不要求预先确定解释变量的积分阶数。
- 材料陈述的贡献
- 摘要称估计量渐近正态，并在特定条件下消除渐近附带参数偏误；因子趋势越强，消除该偏误所需条件越弱。
- 阅读关注点
- 应核对未知因子数量如何处理、趋势强度的定义、无渐近偏误的条件，以及不同积分阶数下估计量的标准化方式。
- 阅读边界
- 仅据所给 Crossref 版本摘要，无须单位根预检不等于无条件适用；无渐近偏误也不代表有限样本无偏，具体限制未说明。
原文摘要
This paper considers a model with general regressors and unobservable common factors. An estimator based on iterated principal component analysis is proposed, which is shown to be not only asymptotically normal, but under certain conditions also free of the otherwise so common asymptotic incidental parameters bias. Interestingly, the conditions required to achieve unbiasedness become weaker the stronger the trends in the factors, and if the trending is strong enough, unbiasedness comes at no cost at all. The approach does not require any knowledge of how many factors there are, or whether they are deterministic or stochastic. The order of integration of the factors is also treated as unknown, as is the order of integration of the regressors, which means that there is no need to pre-test for unit roots, or to decide on which deterministic terms to include in the model.