A spatial panel quantile model with unobserved heterogeneity
含不可观测异质性的空间面板分位数模型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：摘要明确结合面板分位数估计、不可观测异质性及投入产出生产网络，直接支持面板、分布与网络方向。
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
含不可观测异质性的空间面板分位数模型
- 研究问题
- 如何在面板分位数模型中同时处理高维横截面依赖、不可观测异质性和系数异质性，并刻画生产网络连接下的股票分位数联动？
- 方法与思路
- 作者提出空间面板分位数模型与新估计程序，以交互固定效应表示不可观测异质性，并用信息准则选择交互固定效应的维度。
- 材料陈述的贡献
- 摘要称，在时间和横截面维度共同增大时，估计具有一致性与渐近正态性，维度准则选择一致，并展示模拟及美国股票网络应用。
- 阅读关注点
- 应核对空间权重与交互固定效应的区别、分位数识别条件、双维渐近要求，以及生产网络如何进入股票联动模型。
- 阅读边界
- 摘要未列出依赖结构和增长率条件，也未报告各分位数的应用结果；网络联动建模并不自动提供网络传播的因果解释。
原文摘要
This paper introduces a spatial panel quantile model with unobserved heterogeneity. The proposed model is capable of capturing high-dimensional cross-sectional dependence and allows heterogeneous regression coefficients. For estimating model parameters, a new estimation procedure is proposed. When both the time and cross-sectional dimensions of the panel go to infinity, the uniform consistency and the asymptotic normality of the estimated parameters are established. In order to determine the dimension of the interactive fixed effects, we propose a new information criterion. It is shown that the criterion asymptotically selects the true dimension. Monte Carlo simulations document the satisfactory performance of the proposed method. Finally, the method is applied to study the quantile co-movement structure of the U.S. stock market by taking into account the input–output linkages as firms are connected through the input–output production network.