Optimal Shrinkage Estimation of Fixed Effects in Linear Panel Data Models
线性面板模型中固定效应的最优收缩估计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：题名与摘要直接研究线性面板模型中的固定效应收缩、时变效应和序列相关，最直接对应面板数据方法。
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
线性面板模型中固定效应的最优收缩估计
- 研究问题
- 在线性面板模型中，如何减少固定效应估计的均方误差，并在固定效应随时间变化且序列相关时有效利用相关结构？
- 方法与思路
- 作者在包含常规方法的一类收缩估计量内优化均方误差，将时变固定效应的相关结构纳入收缩，并提供一步预测方法。
- 材料陈述的贡献
- 摘要称，所提估计量在指定收缩类中达到最优均方误差，该最优性不要求分布假设，形式直观且容易实施。
- 阅读关注点
- 应核对收缩类及风险的定义、最优规则如何由数据实现、协方差结构如何估计，以及时变效应预测的具体条件。
- 阅读边界
- 仅据所给 Crossref 摘要，最优性限于指定收缩类；不要求分布假设不等于无需其他条件，有限样本保证仍需核实。
原文摘要
Shrinkage methods are frequently used to improve the precision of least squares estimators of fixed effects. However, widely used shrinkage estimators guarantee improved precision only under strong distributional assumptions. I develop an estimator for the fixed effects that obtains the best possible mean squared error within a class of shrinkage estimators. This class includes conventional shrinkage estimators and the optimality does not require distributional assumptions. The estimator has an intuitive form and is easy to implement. Moreover, the fixed effects are allowed to vary with time and to be serially correlated, in which case the shrinkage optimally incorporates the underlying correlation structure. I also provide a method to forecast fixed effects one period ahead in this setting.