Nonlinear factor models for network and panel data
网络与面板数据的非线性因子模型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：摘要直接涵盖非线性面板、网络特征，以及二元和有序响应模型。
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…
网络与面板数据的非线性因子模型
- 研究问题
- 非线性面板如何用潜在因子处理未观测异质性，并估计参数与平均偏效应，同时刻画网络中的互惠、同质性和聚类？
- 方法与思路
- 作者研究带因子结构的非线性单指数模型固定效应估计，覆盖 logit、probit、ordered probit 和 Poisson，并讨论网络建模。
- 材料陈述的贡献
- 摘要称面板双维增大时参数与平均偏效应具有正态极限，但可能存在附带参数偏差；国际贸易应用展示多因子 Poisson 模型。
- 阅读关注点
- 应核对双维增长条件、因子识别约束和附带参数偏差的大小与处理，并查看网络特征如何进入模型及平均偏效应的定义。
- 阅读边界
- 摘要未说明完整渐近条件、偏差校正方案或贸易估计结果；正态极限陈述不能直接理解为未校正的常规置信区间有效。
原文摘要
Factor structures or interactive effects are convenient devices to incorporate latent variables in panel data models. We consider fixed effect estimation of nonlinear panel single-index models with factor structures in the unobservables, which include logit, probit, ordered probit and Poisson specifications. We establish that fixed effect estimators of model parameters and average partial effects have normal distributions when the two dimensions of the panel grow large, but might suffer from incidental parameter bias. We also show how models with factor structures can be applied to capture important features of network data such as reciprocity, degree heterogeneity, homophily in latent variables, and clustering. We illustrate this applicability with an empirical example to the estimation of a gravity equation of international trade between countries using a Poisson model with multiple factors.