Bootstrap Inference for Dynamic Panel Data Models with Common Correlated Effects
共同相关效应动态面板模型的自助法推断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：摘要直接研究动态面板、共同相关效应估计及其自助法推断。
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…
共同相关效应动态面板模型的自助法推断
- 研究问题
- 在含未观测共同因子的动态面板中，递归设计野生自助法能否重现估计偏差与因子估计方差，额外解释变量为何导致失效？
- 方法与思路
- 作者在个体数与时期数均大的框架下分析共同相关效应估计的自助分布，将问题追溯到固定解释变量，并结合已有偏差校正。
- 材料陈述的贡献
- 摘要称，自助法可重现纯自回归模型的有偏极限分布，却遗漏扩展模型中的部分成分；结合偏差校正后的推断在模拟中改善。
- 阅读关注点
- 应核对不同模型的偏差与方差分解、弱外生性条件、解释变量固定引起失效的机制，以及调整方法和比较基准的具体实现。
- 阅读边界
- 所据为 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未给出完整渐近条件，模拟改善幅度及适用范围未说明。
原文摘要
We study recursive-design wild bootstrap inference for dynamic panel data models with unobserved common factors estimated by Common Correlated Effects. In the large N,T setting, the bootstrap reproduces the biased limiting distribution in pure autoregressive models, but fails to capture all bias and factor-estimation variance components in models with additional regressors, particularly under weak exogeneity. We trace this failure to holding regressors fixed across bootstrap replications. We propose to combine bootstrap procedure with available bias-correction methods to conduct adjusted inference. Monte Carlo evidence shows substantial improvements over conventional strategies of using bias-correction paired with cross-sectional bootstrap methods.