Quantile regression for dynamic panel data with fixed effects
带固定效应的动态面板分位数回归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：摘要研究固定效应动态面板分位数回归，并应用于国家产出增长预测。
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
带固定效应的动态面板分位数回归
- 研究问题
- 含滞后因变量的固定效应动态面板分位数模型如何减轻动态偏差，并利用估计模型构造具有合理覆盖率的预测区间？
- 方法与思路
- 作者采用工具变量分位数回归，以滞后解释变量作工具，并说明模型预测方法，再通过模拟和 OECD 增长预测应用展示。
- 材料陈述的贡献
- 摘要称工具变量方法在模拟中显著减少动态偏差，预测区间覆盖接近名义水平，并展示 18 个 OECD 国家产出增长预测。
- 阅读关注点
- 应核对滞后工具的有效性和相关性、固定效应处理方式，以及条件分位数如何用于多期预测和预测区间构造。
- 阅读边界
- 仅依据所给出版社摘要；工具变量条件、模拟设计和覆盖率数值未说明，不能将模拟效果推广到所有短面板与分位点。
原文摘要
This paper studies a quantile regression dynamic panel model with fixed effects. Panel data fixed effects estimators are typically biased in the presence of lagged dependent variables as regressors. To reduce the dynamic bias, we suggest the use of the instrumental variables quantile regression method of Chernozhukov and Hansen (2006) along with lagged regressors as instruments. In addition, we describe how to employ the estimated models for prediction. Monte Carlo simulations show evidence that the instrumental variables approach sharply reduces the dynamic bias, and the empirical levels for prediction intervals are very close to nominal levels. Finally, we illustrate the procedures with an application to forecasting output growth rates for 18 OECD countries.