Semiparametric Estimation of Regression Models for Panel Data
面板数据回归模型的半参数估计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：摘要明确研究面板误差成分模型的非参数密度估计，并考察收入流动概率的分布敏感性。
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
面板数据回归模型的半参数估计
- 研究问题
- 在面板误差成分模型中，如何不预设成分密度属于正态等参数分布族，并评估分布设定对未来收入流动概率的影响？
- 方法与思路
- 作者对误差成分的概率密度进行非参数估计，并将估计方法用于 CPS 收入模型，比较不同密度设定下的收入流动预测。
- 材料陈述的贡献
- 摘要称应用中的暂时误差成分不服从正态分布；非参数密度得到的低收入者未来成为高收入者的概率远低于正态设定结果。
- 阅读关注点
- 应核对各误差成分密度的识别条件、面板结构与估计方法，并检查收入流动概率如何从密度估计获得及其不确定性。
- 阅读边界
- 摘要未说明密度识别的具体条件、平滑选择或预测概率数值；关于非正态及概率差异的结果仅对应所述收入应用。
原文摘要
Linear models with error components are widely used to analyse panel data. Some applications of these models require knowledge of the probability densities of the error components. Existing methods handle this requirement by assuming that the densities belong to known parametric families of distributions (typically the normal distribution). This paper shows how to carry out nonparametric estimation of the densities of the error components, thereby avoiding the assumption that the densities belong to known parametric families. The nonparametric estimators are applied to an earnings model using data from the Current Population Survey. The model's transitory error component is not normally distributed. Use of the nonparametric density estimators yields estimates of the probability that individuals with low earnings will become high earners in the future that are much lower than the estimates obtained under the assumption of normally distributed error components.