Robust Estimation of Large Panels with Factor Structures
具有因子结构的大型面板的稳健估计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。
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：摘要同时研究共同潜在因子的面板模型，并明确应用于跨国资本积累与经济增长。
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
具有因子结构的大型面板的稳健估计
- 研究问题
- 当异质系数面板的解释变量和误差均可能含共同潜在因子时，如何在不估计因子结构的情况下处理偏差并开展推断？
- 方法与思路
- 作者研究一类加权最小二乘估计量，先分析不可行估计的偏差调整与极限分布，再证明可行版本在双重渐近下保留这些性质。
- 材料陈述的贡献
- 摘要称理论无需知道因子数或估计因子结构，在特定情形下涵盖广义最小二乘效率原理，并用于国际资本积累与增长分析。
- 阅读关注点
- 应核对权重的可行构造、个体与时间维度的增长要求、系数异质性的处理，以及偏差调整和效率结论分别成立的条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，无法判断刊本变化；对因子设定稳健不意味着对任意遗漏变量稳健，效率结论具有条件性。
原文摘要
This article studies estimation of linear panel regression models with heterogeneous coefficients using a class of weighted least squares estimators, when both the regressors and the error possibly contain a common latent factor structure. Our theory is robust to the specification of such a factor structure because it does not require any information on the number of factors or estimation of the factor structure itself. Moreover, our theory is efficient, in certain circumstances, because it nests the GLS principle. We first show how our unfeasible weighted-estimator provides a bias-adjusted estimator with the conventional limiting distribution, for situations in which the OLS is affected by a first-order bias. The technical challenge resolved in the article consists of showing how these properties are preserved for the feasible weighted estimator in a double-asymptotics setting. Our theory is illustrated by extensive Monte Carlo experiments and an empirical application that investigates the link between capital accumulation and economic growth in an international setting. Supplementary materials for this article are available online.