跳到正文
← 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：摘要明确研究面板模型中的潜在分组，并估计未知结构突变及突变前后成员变化，对应面板数据和结构变化。

latent groupinteractive fixed effectstime-varyingregularizedpanel datapanelestimation
反馈分类问题

正在核对关联版本…

DOI · 预印本使用 arXiv 编号

arXiv

作者的期刊发表依据

暂未核实关联作者的本站覆盖期刊正式发表记录。仍保留在“全部预印本”；资料缺失不代表没有发表经历。

arXiv：2307.15863 · v1

首次提交：2023-07-29 · 最近修订：2023-07-29

原站分类：econ.EM

收录依据：arXiv 计量经济学分类（econ.EM）；关注作者姓名匹配：Peter Phillips、Liangjun Su（同名需核验）

下载 BibTeX下载 RIS

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
Yiren Wang
Peter C B Phillips
Liangjun Su

AI 解读 · 基于可核验材料

具有时变潜在分组结构的面板数据模型

研究问题
在线性面板模型中，若存在交互固定效应、未知结构突变，且突变前后的潜在组数与成员可以改变，如何同时识别这些结构？
方法与思路
作者先进行核范数正则化与行列回归，再结合二分分割思路及序贯检验 K-means，估计突变点和两侧潜在分组。
材料陈述的贡献
摘要称突变点、组数及成员均可随样本增长被正确估计，建立斜率估计的渐近分布，并以模拟和美国都市房价数据说明。
阅读关注点
应核对分组可区分性、突变幅度与位置要求、序贯检验及组数选择规则，以及结构估计误差如何影响斜率推断。
阅读边界
这是 arXiv 预印本，同行评审或期刊接收未经核验。摘要未列出一致恢复条件或模拟数值，房价应用也不能证明一般样本表现。

GPT-6.1 Sol · 高 · 2026-10-03

原文摘要

This paper considers a linear panel model with interactive fixed effects and unobserved individual and time heterogeneities that are captured by some latent group structures and an unknown structural break, respectively. To enhance realism the model may have different numbers of groups and/or different group memberships before and after the break. With the preliminary nuclear-norm-regularized estimation followed by row- and column-wise linear regressions, we estimate the break point based on the idea of binary segmentation and the latent group structures together with the number of groups before and after the break by sequential testing K-means algorithm simultaneously. It is shown that the break point, the number of groups and the group memberships can each be estimated correctly with probability approaching one. Asymptotic distributions of the estimators of the slope coefficients are established. Monte Carlo simulations demonstrate excellent finite sample performance for the proposed estimation algorithm. An empirical application to real house price data across 377 Metropolitan Statistical Areas in the US from 1975 to 2014 suggests the presence both of structural breaks and of changes in group membership.

摘要来源：arXiv

笔记与分组