Estimation of Panel Data Models with Nonlinear Factor Structure
具有非线性因子结构的面板数据模型估计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：摘要明确以含未观测异质性和共同因子的面板数据模型为对象，但未限定宏观应用背景。
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
具有非线性因子结构的面板数据模型估计
- 研究问题
- 面板模型中的未观测共同因子通常被假定线性进入，如何放松这一限制，同时保留可观测解释变量的线性设定？
- 方法与思路
- 作者将共同相关效应方法与筛方法结合，提出 SCCE 估计量，使因子结构能够非线性进入，并包含线性因子作为特例。
- 材料陈述的贡献
- 摘要称，SCCE 扩展了可处理的因子结构，同时保持 CCE 的计算简便性及良好的小样本和渐近性质。
- 阅读关注点
- 全文应核对筛展开对象、共同因子的代理方式、筛维数选择，以及非线性因子下参数识别和渐近理论的条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明允许的非线性类别、渐近条件或具体有限样本比较。
原文摘要
Panel data models with unobserved heterogeneity in the form of interactive effects standardly assume that the time effects -- or ``common factors'' -- enter linearly. This assumption is restrictive because it concerns an unobserved component of the model, for which a particular functional form is rarely justified. By contrast, linearity in the observable regressors can often be motivated by economic theory or empirical convention. Linearity in the factors has mainly persisted because it is convenient and improves on standard fixed effects. This paper relaxes that assumption by combining the common correlated effects (CCE) approach with sieve methods. The resulting estimator -- abbreviated ``SCCE'' -- preserves key advantages of CCE, including computational simplicity and good small-sample and asymptotic properties, while allowing for a broader class of factor structures that nests the linear case. This makes it suitable for a wide range of empirical applications.