Asymptotic Variance Theory for Trimmed Least Squares and Trimmed Least Absolute Deviations in Censored Panel Models with Fixed Effects
固定效应删失面板模型中修剪最小二乘与最小绝对偏差的渐近方差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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究两期面板数据、固定效应和删失结局下的估计与推断，直接对应面板数据方向。
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…
固定效应删失面板模型中修剪最小二乘与最小绝对偏差的渐近方差
- 研究问题
- 两期固定效应删失面板模型中，既有修剪最小二乘和修剪最小绝对偏差的方差公式遗漏了哪些条件，如何修正推断？
- 方法与思路
- 作者重新推导两类估计量的 Hessian 和渐近方差，分析原公式所依赖的未充分陈述条件，并构造代入式与自助法方差估计。
- 材料陈述的贡献
- 摘要称修正 TLS Hessian 且原 Hessian 估计仍一致；对 TLAD 补入条件概率项与连续性要求，并提供无调参自助法方差估计。
- 阅读关注点
- 核对 TLS 指标为零时的处理及新增推导，区分公式修正与估计器一致性，并逐项检查 TLAD 的连续性条件和自助法有效性。
- 阅读边界
- 这是 arXiv 预印本，同行评审与接收状态未核验；结论针对摘要所述两期删失固定效应模型，完整正则条件与证明未提供。
原文摘要
We study inference using trimmed least squares (TLS) and trimmed least absolute deviations (TLAD) estimators of \citet{honore_trimmed_1992} in censored two-period panel-data models with fixed effects. We show that the published asymptotic variance formulas rely on additional regularity conditions that are not fully stated in the original analysis. For TLS, the published Hessian formula requires that the regressor-difference index vanish only when the regressor difference itself is zero, a restriction not explicitly stated in the original paper and violated, for instance, with a zero parameter vector. We derive the correct Hessian, establish asymptotic normality without imposing this restriction, and obtain a consistent plug-in variance estimator. We also show that the Hessian estimator proposed in \citet{honore_trimmed_1992} {\em is} actually consistent for the {\em correct} TLS asymptotic variance. For TLAD, we show that the published variance formula omits a conditional-probability term and that asymptotic normality requires additional continuity conditions. Under these conditions, we derive the corrected asymptotic variance and provide a tuning-parameter-free bootstrap variance estimator.