Asymptotic distribution of factor augmented estimators for panel regression
面板回归中因子增广估计量的渐近分布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共同因子及主成分因子空间估计。
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…
面板回归中因子增广估计量的渐近分布
- 研究问题
- 在线性面板回归中加入估计的共同因子时，何种条件允许用估计因子替代潜在因子，并建立回归估计量的渐近理论？
- 方法与思路
- 作者推导因子增广面板回归的渐近理论，针对主成分因子空间估计给出规模条件，并用蒙特卡洛研究检验理论表现。
- 材料陈述的贡献
- 摘要称，在正则条件及T/N趋零、N/T³趋零时，主成分估计满足替代潜在因子的条件，并给出相应渐近理论。
- 阅读关注点
- 应核对两项规模限制与其他正则条件、因子空间识别方式，以及因子估计误差如何进入回归估计量的极限分布。
- 阅读边界
- 仅据所给出版社摘要，无法判断完整依赖条件及模拟设置；所述规模限制不等于任意面板长度与截面规模均适用。
原文摘要
In this paper we derive an asymptotic theory for linear panel regression augmented with estimated common factors. We give conditions under which the estimated factors can be used in place of the latent factors in the regression equation. For the principal components estimate of the factor space it is shown that these conditions are satisfied when T/N→0 and N/T3→0 under regularity. Monte Carlo studies verify the asymptotic theory.