Spatial dynamic panel data models with correlated random effects
具有相关随机效应的空间动态面板数据模型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：摘要明确以短面板、个体效应和中国政治竞争为研究背景。
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
具有相关随机效应的空间动态面板数据模型
- 研究问题
- 在短面板的空间动态模型中，如何处理个体效应与时变解释变量的相关性，并估计时间不变变量的效应与估计量方差？
- 方法与思路
- 作者设定线性或可线性化的相关随机效应，调整给定初始观测的条件拟得分以构造无偏估计函数，并采用混合方法估计协方差。
- 材料陈述的贡献
- 摘要称，所得M估计量一致且渐近正态，对初始条件的依赖仅保留过程起始时间，并提供模拟及中国政治竞争应用。
- 阅读关注点
- 应核对相关随机效应设定、空间依赖与动态项的识别条件，以及初始观测调整、协方差分解和短面板渐近框架。
- 阅读边界
- 仅依据所给出版社摘要；摘要未列出完整正则条件和模拟数值，良好有限样本表现不代表任意空间结构下均有效。
原文摘要
In this paper, M-estimation and inference methods are developed for spatial dynamic panel data models with correlated random effects, based on short panels. The unobserved individual-specific effects are assumed to be correlated with the observed time-varying regressors linearly or in a linearizable way, giving the so-called correlated random effects model, which allows the estimation of effects of time-invariant regressors. The unbiased estimating functions are obtained by adjusting the conditional quasi-scores given the initial observations, leading to M-estimators that are consistent, asymptotically normal, and free from the initial conditions except the process starting time. By decomposing the estimating functions into sums of terms uncorrelated given idiosyncratic errors, a hybrid method is developed for consistently estimating the variance–covariance matrix of the M-estimators, which again depends only on the process starting time. Monte Carlo results demonstrate that the proposed methods perform well in finite sample. An empirical application on the political competition in China is presented.