Recursive estimation in large panel data models: Theory and practice
大型面板数据模型的递归估计：理论与实践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：摘要直接研究交互效应面板模型的递归估计，未给出宏观或金融应用依据。
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…
大型面板数据模型的递归估计：理论与实践
- 研究问题
- 在具有交互效应的大型面板模型中，递归估计的表现如何取决于初始估计、总体结构及迭代次数，何时能达到一致性？
- 方法与思路
- 作者建立递归公式分析迭代行为，在不同情形下研究一致性和最优迭代次数，并推导以 OLS 为初始估计时的中心极限定理。
- 材料陈述的贡献
- 摘要称，某些一般情形下任意初值经过一次迭代即可得到一致估计；另在指定条件下给出最优迭代次数，并用模拟支持理论。
- 阅读关注点
- 应核对一次迭代即可一致的具体情形、任意初值的适用范围、最优迭代的评价标准，以及 OLS 初始估计下的极限分布条件。
- 阅读边界
- 仅据所给出版社摘要，不能把一次迭代一致性推广到所有总体结构或初值序列；具体条件、收敛率和模拟结果未说明。
原文摘要
Bai (2009) proposes recursive estimation for panel data models with interactive effects. We study the behaviours of this recursive estimator. The recursive formula is established that shows the behaviours of recursive estimators depend on the initial estimator, the population structure and the iterative steps. Under some general scenarios, we find that the recursive estimator becomes consistent after the first iteration from any initials. We also obtain the optimal number of iterative steps under some prescribed conditions. The central limit theorem of the recursive estimator is established when the initial estimator is OLS. Various simulations are conducted to support our theoretical findings.