Feasible Generalized Least Squares for Panel Data with Cross-sectional and Serial Correlations
存在横截面与序列相关的面板数据可行广义最小二乘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：摘要直接研究线性面板模型及其误差横截面、时间相关下的 GLS 估计，明确属于面板数据方法。
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
存在横截面与序列相关的面板数据可行广义最小二乘
- 研究问题
- 在线性面板误差同时存在异方差、序列相关及横截面相关时，如何估计大型协方差矩阵，并据此提高回归估计效率？
- 方法与思路
- 作者用带状化处理序列相关、用阈值化处理横截面相关，通过一致估计误差协方差矩阵构造可行广义最小二乘估计。
- 材料陈述的贡献
- 摘要称，所提估计量在所研究的误差相关结构下比 OLS 更有效率，论文给出极限分布，并开展蒙特卡洛与实证应用。
- 阅读关注点
- 核对协方差矩阵所需结构、带宽与阈值选择、面板维度增长条件，以及效率比较和标准误计算的具体依据。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明稀疏性及增长率条件，也未提供模拟或实证数值。
原文摘要
This paper considers generalized least squares (GLS) estimation for linear panel data models. By estimating the large error covariance matrix consistently, the proposed feasible GLS (FGLS) estimator is more efficient than the ordinary least squares (OLS) in the presence of heteroskedasticity, serial, and cross-sectional correlations. To take into account the serial correlations, we employ the banding method. To take into account the cross-sectional correlations, we suggest to use the thresholding method. We establish the limiting distribution of the proposed estimator. A Monte Carlo study is considered. The proposed method is applied to an empirical application.