Linear Regression for Panel With Unknown Number of Factors as Interactive Fixed Effects
因子数未知时含交互固定效应的线性面板回归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：摘要明确研究线性面板回归中的交互固定效应与系数推断；未给出宏观应用背景，因此归入面板数据。
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…
关注这篇论文的作者
因子数未知时含交互固定效应的线性面板回归
- 研究问题
- 在线性面板回归中，交互固定效应的真实因子数未知且估计时使用更多因子，回归系数的最小二乘推断是否仍然有效？
- 方法与思路
- 作者在个体数与时间长度共同趋于无穷的框架下，允许估计因子数超过真实值，研究回归系数最小二乘估计量的极限分布。
- 材料陈述的贡献
- 摘要称在一定假设下，只要不低估因子数，回归系数估计量的极限分布不随所用因子数改变，因此推断未必需要一致估计因子数。
- 阅读关注点
- 阅读全文时应核对因子数过度指定的允许范围、个体数与时间长度的增长关系、误差与因子条件，以及偏差处理和方差估计。
- 阅读边界
- 摘要未列出保证极限分布不变的具体假设，也未说明因子数可否随样本增长；结论不能直接扩展到因子数低估或短面板情形。
原文摘要
In this paper we study the least squares (LS) estimator in a linear panel regression model with unknown number of factors appearing as interactive fixed effects. Assuming that the number of factors used in estimation is larger than the true number of factors in the data, we establish the limiting distribution of the LS estimator for the regression coefficients as the number of time periods and the number of cross-sectional units jointly go to infinity. The main result of the paper is that under certain assumptions the limiting distribution of the LS estimator is independent of the number of factors used in the estimation, as long as this number is not underestimated. The important practical implication of this result is that for inference on the regression coefficients one does not necessarily need to estimate the number of interactive fixed effects consistently.