An incidental parameters free inference approach for panels with common shocks
共同冲击面板中免受附带参数问题影响的推断方法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：摘要明确研究含共同因子与内生解释变量的通用面板估计，未限定宏观应用。
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
共同冲击面板中免受附带参数问题影响的推断方法
- 研究问题
- 在含内生解释变量和不可观测共同因子的面板中，如何避免显式估计大量附带参数，并在时间维度较小时进行有效推断？
- 方法与思路
- 作者构造矩方法，分别使用固定数量的平均估计方程和数量随时间维度增长的堆叠方程，分析两类 GMM 估计量。
- 材料陈述的贡献
- 摘要称，方法避开所述时间与截面维度偏差项，两类估计量在截面维度增长、任意给定时间维度下具有一致性和混合正态极限。
- 阅读关注点
- 应核对消除附带参数的矩构造、内生变量允许的范围，以及任意时间维度结论所依赖的局部和全局识别条件。
- 阅读边界
- OpenAlex 摘要未列出完整低层条件，也未提供有限样本证据；任意时间维度下的渐近结论不等于任意模型都满足识别要求。
原文摘要
This paper develops a novel Method of Moments approach for panel data models with endogenous regressors and unobserved common factors. The proposed approach does not require estimating explicitly a large number of parameters in either time-series or cross-sectional dimension, T and N respectively. Hence, it is free from the incidental parameter problem. In particular, the proposed approach does not suffer from “Nickell bias” of order O(T−1), nor from bias terms that are of order O(N−1). Therefore, it can operate under substantially weaker restrictions compared to existing large T procedures. Two alternative GMM estimators are analyzed; one makes use of a fixed number of “averaged estimating equations” à la Anderson and Hsiao (1982), whereas the other one makes use of “stacked estimating equations”, the total number of which increases at the rate of O(T). It is demonstrated that both estimators are consistent and asymptotically mixed-normal as N→∞ for any value of T. Low-level conditions that ensure local and global identification in this setup are examined using several examples.