Estimation of Panel Data Models with Random Interactive Effects and Multiple Structural Breaks when T is Fixed
固定时间维度下含随机交互效应与多重结构突变的面板模型估计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：摘要直接研究固定时间维度的面板模型，并以犯罪模型中的系数突变为应用。
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
固定时间维度下含随机交互效应与多重结构突变的面板模型估计
- 研究问题
- 当面板的时间维度固定而截面单位增多时，如何同时估计随机交互效应模型的分段回归系数、突变数量及突变日期？
- 方法与思路
- 作者将突变识别转化为收缩问题，采用一种 Lasso 方法联合估计回归系数与突变结构，并分析固定 T、大 N 下的性质。
- 材料陈述的贡献
- 摘要称，方法以趋近于一的概率正确确定突变数量和日期，分段系数一致且渐近正态；模拟和犯罪模型应用提供了说明。
- 阅读关注点
- 应核对随机交互效应的限制、固定 T 下识别突变的条件、惩罚选择，以及分段系数推断是否考虑突变选择的不确定性。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要；突变幅度及交互效应条件未说明，犯罪应用的系数稳定性结论不能据此解释为因果发现。
原文摘要
In this article, we propose a new estimator of panel data models with random interactive effects and multiple structural breaks that is suitable when the number of time periods, T, is fixed and only the number of cross-sectional units, N, is large. This is done by viewing the determination of the breaks as a shrinkage problem, and to estimate both the regression coefficients, and the number of breaks and their locations by applying a version of the Lasso approach. We show that with probability approaching one the approach can correctly determine the number of breaks and the dates of these breaks, and that the estimator of the regime-specific regression coefficients is consistent and asymptotically normal. We also provide Monte Carlo results suggesting that the approach performs very well in small samples, and empirical results suggesting that while the coefficients of the controls are breaking, the coefficients of the main deterrence regressors in a model of crime are not.