Estimating Multiple Structural Breaks in Large Panels With Unobserved Heterogeneity
含未观测异质性的大型面板多重结构突变估计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：摘要明确涉及异质性面板、多重结构突变，并将方法应用于横截面风险溢价的变化分析。
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
含未观测异质性的大型面板多重结构突变估计
- 研究问题
- 当斜率存在个体异质性、横截面与时间维度共同增长时，如何识别线性面板模型中的多个突变及其发生时间？
- 方法与思路
- 作者先以收缩惩罚检测突变，再在潜在分组异质性下结合 classifier-Lasso 精化突变日期，并用模拟及风险溢价数据展示方法。
- 材料陈述的贡献
- 摘要称可一致估计突变数量、按时间比例一致估计突变日期，并在潜在分组结构下进一步获得超一致的日期估计。
- 阅读关注点
- 应核对突变间隔与幅度条件、个体异质性限制、两维增长要求，以及分组估计如何支持日期估计精度的进一步提升。
- 阅读边界
- 索引摘要稿件版本未注明，不能推断刊本变化；摘要未说明一致性与超一致性的完整条件，也未提供风险溢价应用的具体发现。
原文摘要
This article proposes a novel algorithm to identify potentially multiple breaks in linear panel data models, while the slope coefficients can have individual heterogeneity and the cross-sectional dimension is allowed to diverge jointly with the time span. The algorithm adopts a shrinkage penalty to detect breaks, and delivers a consistent estimator for the number of breaks and fraction-consistent estimators for break dates. In the presence of latent grouped heterogeneity, we employ the classifier-Lasso method to further derive super-consistent break-date estimators based on the break identification result given by the shrinkage algorithm. We demonstrate the satisfactory performance of the proposed methodology in finite samples with Monte Carlo simulations. Empirically, we illustrate the use of our methods to study structural breaks and unobserved heterogeneity in cross-sectional risk premiums. Supplementary materials for this article are available online, including a standardized description of the materials available for reproducing the work.