Forward Orthogonal Deviations GMM and the Absence of Large Sample Bias
前向正交离差 GMM 与大样本偏差的消除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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究动态面板回归、固定效应变换及多工具变量 GMM 的偏差。
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
前向正交离差 GMM 与大样本偏差的消除
- 研究问题
- 动态面板中时间维度相对横截面维度较大时，前向正交离差变换结合怎样的工具变量数量控制，能够消除多工具变量造成的渐近偏差？
- 方法与思路
- 作者分析采用前向正交离差变换的动态面板 GMM，要求每期工具变量最大数量随 T 的增长慢于 T 的平方根，并用蒙特卡洛展示分析结果。
- 材料陈述的贡献
- 摘要称，在该工具变量数量增长限制下，无论 T 相对 n 增长多快，FOD-GMM 均无渐近偏差；作者强调其他固定效应消除变换未必有此性质。
- 阅读关注点
- 应核对每期工具变量上限的定义、其他正则条件及渐近偏差的标准化方式，检查任意相对增长速度的论证范围，并比较不同变换的模拟设计。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未获核实；摘要未列出其余模型条件，无渐近偏差不等于有限样本无偏，也不直接保证区间有效。
原文摘要
It is well known that generalized method of moments (GMM) estimators of dynamic panel data regressions can have significant bias when the number of time periods ($T$) is not small compared to the number of cross-sectional units ($n$). The bias is attributed to the use of many instrumental variables. This paper shows that if the maximum number of instrumental variables used in a period increases with $T$ at a rate slower than $T^{1/2}$, then GMM estimators that exploit the forward orthogonal deviations (FOD) transformation do not have asymptotic bias, regardless of how fast $T$ increases relative to $n$. This conclusion is specific to using the FOD transformation. A similar conclusion does not necessarily apply when other transformations are used to remove fixed effects. Monte Carlo evidence illustrating the analytical results is provided.