Detection of units with pervasive effects in large panel data models
大型面板模型中广泛影响单元的检测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：摘要直接研究单元间广泛影响，并将大型面板检测方法用于州际住房与跨国GDP等数据。
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
大型面板模型中广泛影响单元的检测
- 研究问题
- 在不知道截面单元连接结构或候选名单的情况下，如何从大型面板中识别广泛影响其他单元的对象，并允许判定不存在此类单元？
- 方法与思路
- 作者基于单元特定的残差方差并调整多重检验，提出序贯多重检验程序；该方法也允许截面维度超过时间维度。
- 材料陈述的贡献
- 摘要称程序无需预先提供网络或候选对象，可选择零个广泛影响单元；模拟表现良好，并提供产业、住房及跨国经济金融应用。
- 阅读关注点
- 应核对残差方差为何能识别广泛影响、序贯检验的错误控制和停止规则，以及高维条件与零选择情形下的理论保证。
- 阅读边界
- 仅据所给出版社摘要，无法判断残差来源、检验阈值和多重错误率控制方式；模拟优势与应用中的选中单元均未具体说明。
原文摘要
The importance of units that influence a large number of other units in a network has become increasingly recognized in the literature. In this paper we propose a new method to detect such pervasive units by basing our analysis on unit-specific residual error variances subject to suitable adjustments due to the multiple testing issues involved. Accordingly, a sequential multiple testing (SMT) procedure is proposed, which allows identification of pervasive units (if any) without a priori knowledge of the interconnections amongst cross-section units or availability of a short list of candidate units to search over. The proposed method is applicable even if the cross-section dimension exceeds the time series dimension, and most importantly it could end up with none of the units selected as pervasive when this is in fact the case. The SMT procedure exhibits satisfactory small-sample performance in Monte Carlo simulations and compares well relative to existing approaches. We apply the SMT detection method to sectoral indices of U.S. industrial production, U.S. house price changes by states, and the rates of change of real GDP and real equity prices across the world’s largest economies.