Errors in variables in panel data
面板数据中的变量测量误差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：摘要直接讨论纵向调查面板、个体效应、组内估计及测量误差的识别与校正。
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
面板数据中的变量测量误差
- 研究问题
- 为何面板数据的组内估计可能因解释变量测量误差而偏低？能否利用纵向数据结构，在不依赖外部工具变量的情况下识别相关参数？
- 方法与思路
- 作者分析测量误差在组内变动中的相对重要性，发展利用面板结构识别和估计误差变量模型的思路，并以劳动需求关系说明其应用。
- 材料陈述的贡献
- 摘要指出某些面板误差变量模型可能无需外部工具即可识别和估计，并将这一思路用于劳动需求与短期规模报酬递增之谜的分析。
- 阅读关注点
- 应核对测量误差和真实解释变量的时间依赖限制、内部识别信息的来源，以及个体效应控制与测量误差校正如何共同影响劳动需求估计。
- 阅读边界
- 仅依据作者／机构库所标注版本摘要，不能推断刊本变化；摘要未列出无需外部工具的具体识别条件，不能认为所有面板测量误差模型均可识别。
原文摘要
Panel data based on various longitudinal surveys have become ubiquitous in economics in recent years. Estimation using the analysis of covariance approach allows for control of various "individual effects" by estimation of the relevant relationships from the "within" dimension of the data. Quite often, however, the "within" results are unsatisfactory, "too low" and insignificant. Errors of measurement in the independent variables whose relative importance gets magnified in the within dimension are often blamed for this outcome. However, the standard errors-in-variables model has not been applied widely, partly because in the usual micro data context it requires extraneous information to identify the parameters of interest. In the panel data context a variety of errors-in-variables models may be identifiable and estimable without the use of external instruments. We develop this idea and illustrate its application in a relatively simple but not uninteresting case: the estimation of "labor demand" relationships, also known as the "short run increasing returns to scale" puzzle.