AN EFFICIENT LINEAR GMM ESTIMATOR FOR THE COVARIANCE STATIONARY AR(1)/UNIT ROOT MODEL FOR PANEL DATA
协方差平稳与单位根面板 AR(1) 模型的有效线性 GMM 估计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：摘要明确研究面板 AR(1) 的 GMM 估计及横截面维度下的渐近性质，因此归入面板数据方向。
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…
关注这篇论文的作者
协方差平稳与单位根面板 AR(1) 模型的有效线性 GMM 估计
- 研究问题
- 如何在同时涵盖协方差平稳和单位根情形的面板 AR(1) 模型中构造有效估计，并刻画其不同渐近性质？
- 方法与思路
- 作者提出两步最优线性 GMM，分别分析平稳及单位根情形，并考察初始观测、初始估计与迭代的作用。
- 材料陈述的贡献
- 摘要称平稳时该估计与最优非线性 GMM 渐近等价；单位根下多数情形超一致，特定初始方差条件下迭代估计超有效。
- 阅读关注点
- 核对矩条件、样本维度的渐近安排及初始观测条件，尤其区分超一致与超有效的适用范围，并查看模拟设计。
- 阅读边界
- 仅据所给出版社摘要，无法判断各情形的完整条件、收敛速率或有限样本优势；摘要未提供模拟数值及证明细节。
原文摘要
This paper considers generalized method of moments (GMM) estimation of the inclusive panel AR(1) model that contains the covariance stationary panel AR(1) model and the panel AR(1) model with a unit root as special cases. The paper presents a two-step optimal linear GMM (OLGMM) estimator for the inclusive model that is asymptotically equivalent to the optimal nonlinear GMM estimator of Ahn and Schmidt (1997, Journal of Econometrics 76, 309–321) when the data are covariance stationary. Next the paper derives the asymptotic distribution of the OLGMM estimator when the model has a unit root under a variety of assumptions about the initial observations and the initial estimator. It is shown that in most cases the OLGMM estimator is superconsistent. In addition it is shown that the iterated OLGMM estimator is superefficient when the variance of the initial observations is finite and fixed, i.e., small compared to the cross-sectional dimension of the panel. The paper also conducts a Monte Carlo study in which the finite-sample properties of various GMM estimators for the inclusive panel AR(1) model are compared.I thank Steve Bond and Frank Windmeijer for kindly making one of their computer programs available to me. I also thank two anonymous referees and a co-editor for very helpful comments. This research was funded by the ESRC under grant R000239139.