Common correlated effects estimation of heterogeneous dynamic panel data models with weakly exogenous regressors
含弱外生解释变量的异质动态面板共同相关效应估计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：摘要明确研究异质动态面板、弱外生解释变量和共同相关效应估计，直接对应面板数据方法方向。
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
含弱外生解释变量的异质动态面板共同相关效应估计
- 研究问题
- 异质面板含滞后因变量或弱外生解释变量时，共同相关效应方法如何处理动态结构与不可观测共同因子，并保持有效估计？
- 方法与思路
- 作者在个体方程中加入足够多的横截面均值滞后项及足够数量的均值变量，并研究协变量辅助、刀切与递归去均值减偏。
- 材料陈述的贡献
- 摘要称上述条件下CCE均值组估计仍有效，并给出一致性速率和渐近分布；模拟显示时间维度足够大时估计表现良好。
- 阅读关注点
- 应核对均值滞后阶数随样本增长的要求、共同因子数量与均值变量的关系，以及弱外生性定义和减偏程序的适用条件。
- 阅读边界
- 仅据所给出版社摘要，无法确定足够大时间维度的实际门槛；均值变量数量要求之外是否还有秩条件，也需正文核对。
原文摘要
This paper extends the Common Correlated Effects (CCE) approach developed by Pesaran (2006) to heterogeneous panel data models with lagged dependent variables and/or weakly exogenous regressors. We show that the CCE mean group estimator continues to be valid but the following two conditions must be satisfied to deal with the dynamics: a sufficient number of lags of cross section averages must be included in individual equations of the panel, and the number of cross section averages must be at least as large as the number of unobserved common factors. We establish consistency rates, derive the asymptotic distribution, suggest using covariates to deal with the effects of multiple unobserved common factors, and consider jackknife and recursive de-meaning bias correction procedures to mitigate the small sample time series bias. Theoretical findings are accompanied by extensive Monte Carlo experiments, which show that the proposed estimators perform well so long as the time series dimension of the panel is sufficiently large.