Estimation of Dynamic Panel Data Models with Cross‐Sectional Dependence: Using Cluster Dependence for Efficiency
横截面依赖下动态面板模型的估计：利用簇依赖提高效率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：摘要直接研究动态面板估计、横截面依赖与辅助参数处理，并以学生成绩增值模型应用，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
横截面依赖下动态面板模型的估计：利用簇依赖提高效率
- 研究问题
- 动态面板存在横截面依赖时，如何利用这种依赖提高估计效率，同时抵御依赖结构误设，并维持较长时间维度下的估计表现？
- 方法与思路
- 作者构造利用横截面依赖信息的新估计量，同时节制辅助参数的使用；摘要称其对依赖形式设定错误稳健，但未给出具体估计公式。
- 材料陈述的贡献
- 摘要称新估计量比现有估计量更有效率，并具有良好的小样本与大样本性质；作者用学生成绩增值模型分析就读私立学校的影响。
- 阅读关注点
- 核对簇依赖的定义、效率比较与误设稳健性成立的条件、辅助参数处理方式，以及私立学校应用如何应对就读选择问题。
- 阅读边界
- 摘要未说明具体依赖结构、渐近框架或效率增益幅度；私立学校应用也未交代因果识别条件，不能仅凭增值模型作因果解释。
原文摘要
Summary This paper considers the estimation of dynamic panel data models when data are suspected to exhibit cross‐sectional dependence. A new estimator is defined that uses cross‐sectional dependence for efficiency while being robust to the misspecification of the form of the cross‐sectional dependence. We show that using cross‐sectional dependence for estimation is important to obtain an estimator that is more efficient than existing estimators. This new estimator also uses nuisance parameters parsimoniously so that it exhibits good small‐ and large‐sample properties even when the number of time periods is large. As an empirical application, we estimate the effect of attending private school on student achievement using a value‐added model. Copyright © 2015 John Wiley & Sons, Ltd.