A tutorial on panel data analysis using partially observed Markov processes via the R package panelPomp
本文介绍 R 包 panelPomp，说明如何用 PanelPOMP 模型开展面板数据分析，并整合迭代滤波、Monte Carlo 调整剖面与分块优化等方法应对高维大参数空间。
2024-09-05 stat.CO stat.ME
A mixture logistic model for panel data with a Markov structure
本研究提出一种带马尔可夫结构的混合逻辑回归模型，采用最大似然估计参数，并设计前向变量选择算法以减少参数数量。
2025-08-27 stat.ME
panelPomp: Analysis of Panel Data via Partially Observed Markov Processes in R
针对动态独立但结构相关系统的短时间序列面板数据，R包panelPomp提供通用PanelPOMP模型框架及工具，支持基于模拟算法的似然推断，还可扩展新推断方法。
2025-05-19 stat.CO stat.ME
Factor-Augmented Machine Learning Panel Regressions
Department of Economics, University of North Carolina – Chapel Hill（北卡罗来纳大学教堂山分校经济学系）；European Commission, Joint Research Centre (JRC)（欧盟委员会联合研究中心）；Department of Finance, Copenhagen Business School（哥本哈根商学院金融系）
研究高维面板数据回归，核心方法是结合MIDAS聚合与潜在因子的因子增强稀疏组LASSO估计器，主要贡献是在有横截面依赖性时，该估计器在预测和估计上优于标准LASSO估计器。
2026-07-08 econ.EM math.ST stat.ME
Simultaneous Confidence Band for Partially Linear Panel Data Models with Fixed Effects
本文构造了具有固定效应的部分线性面板数据模型中非参数分量的联合置信带。我们去掉了固定效应，进一步得到了参数和非参数分量的估计，它们不依赖于固定效应。在适当的条件下，我们建立了非参数分量与真实非参数分量的最大绝对偏差的渐近分布，从而可用于构造非参数分量的联合置信带.基于渐近分布，同时置信带的构造变得困难。这是因为渐近分布涉及到渐近偏差和条件方差的估计量，以及估计非参数函数二阶导数时带宽的选择。显然，这些将导致计算负担和累积误差。为了克服这些问题，我们提出了一个Bootstrap方法来构建同时置信带。仿真结果表明，在有限样本条件下，Bootstrap方法具有更好的性能.
2017-01-20 stat.ME
Coresets for Regressions with Panel Data
Huawei TCS Lab（华为TCS实验室）；Yale University（耶鲁大学）
本文将回归问题的核心集问题引入到面板数据设置中。我们首先定义coresets的几个变种的回归问题与面板数据，然后提出有效的算法来构建coresets的大小，多项式依赖于1/ $\varepsilon$（其中$\varepsilon$是误差参数）和回归参数的数量-独立于面板数据中的个人的数量或每个人被观察的时间单位。我们的方法是基于Feldman-Langberg框架，其中的一个关键步骤是上限的“总灵敏度”，这大致是所有个人时间对所有可能的选择回归参数的最大影响的总和。从经验上讲，我们用合成和真实世界的数据集来评估我们的方法;使用我们的方法构建的核心集大小比完整的数据集小得多，核心集确实加快了计算回归目标的运行时间。
2020-11-03 cs.CG cs.DS cs.LG
Reliable Panel Regression: A Default Workflow for Slow-Moving, Mismeasured Variables
University of Florida（佛罗里达大学）
本文指出固定效应对缓慢变化且存在测量误差的变量会导致系数衰减，并提出了一个包含可靠性估计、修正估计和自相关边界的默认工作流程。
2026-06-15 econ.EM stat.ME
Adaptive Principal Component Regression with Applications to Panel Data
Columbia University（哥伦比亚大学）；Carnegie Mellon University（卡内基梅隆大学）
本文研究自适应收集数据下的正则化PCR，建立时间一致有限样本保证，并将其用于面板数据的自适应实验设计与干预策略学习。
2024-08-04 cs.LG econ.EM stat.ME
Panel data analysis via mechanistic models
面板数据，也称为纵向数据，由一组时间序列组成。每个时间序列（其本身可以是多变量的）包括在不同单元上进行的测量的序列。机械建模涉及写下科学动机的方程，描述动态系统的集合，从而引起对每个单元的观察。面板系统的一个定义特征是单元之间的动态相互作用应该是可以忽略的。因此，面板模型由一系列独立的随机过程组成，通常通过共享参数联系起来，同时也具有特定于单位的参数。为了让科学家在模型规格的灵活性，我们的动机是开发一个框架，允许考虑任意的非线性，部分观察面板模型的面板数据的推断。我们建立在迭代滤波技术，提供基于似然推理的非线性部分观察马尔可夫过程模型的时间序列数据。我们的方法依赖于潜在的马尔可夫过程，只有通过模拟，这种即插即用的属性，确保适用于一大类模型。我们展示了我们的方法，一个玩具的例子和两个流行病学的案例研究。我们解决了由于模型复杂性和数据集大小的组合而产生的推理和计算问题。
2019-03-25 stat.ME
Spatial vertical regression for spatial panel data: Evaluating the effect of the Florentine tramway's first line on commercial vitality
University of Florence（佛罗伦萨大学）；University of Florida（佛罗里达大学）
本文提出空间垂直回归方法，用于评估特定地点干预对周围区域的影响，通过贝叶斯框架处理空间数据中的空间结构问题，研究佛罗伦萨有轨电车对商业活力的影响。
2026-03-26 stat.AP stat.ME
Factor and factor loading augmented estimators for panel regression
本文考虑了线性面板数据模型，其中回归量和不可观测量的依赖性是通过一个因子结构来建模的。渐近设置使得时间段的数量和样本量都趋于无穷大。非强因子是允许的，并且因子的数量可以随着样本量增长到无穷大。研究了一类回归系数的两步估计。在第一步中，估计因子和因子载荷。然后，第二步对应于回归变量的结果的面板回归以及第一步的因子和因子载荷的估计。第一步可以使用不同的方法，而第二步是唯一的。我们得到了第一步估计和两步估计渐近正态的数据生成过程的充分条件。假设下，使用的方法基于主成分分析在第一步产生一个渐近正态估计。两步过程在模拟中表现出良好的有限样本特性。
2020-11-24 math.ST stat.TH
Panel Data Nowcasting: The Case of Price-Earnings Ratios
本文针对混频面板数据即时预测问题，提出基于稀疏组LASSO的机器学习回归方法，并在市盈率预测中验证其优于分析师预测和传统方法。
2023-07-05 econ.EM stat.AP stat.CO
Robust Estimation for Linear Panel Data Models
在包括但不限于行为、环境、医学科学和计量经济学的不同应用领域中，面板数据回归模型的使用作为用于进行有意义的统计推断的一般框架已经变得越来越流行。然而，当使用普通最小二乘法（OLS）来估计模型参数时，离群值的存在可能会产生有偏和低效的估计，从而显著改变此类模型的充分性。在这项工作中，我们提出了一个新的，加权似然为基础的稳健估计程序的线性面板数据模型的固定和随机效应。有限样本性能的估计已被说明，通过广泛的模拟研究，以及与血压数据集的应用。我们的深入研究表明，所提出的估计显示出显着更好的性能比传统的方法在离群值的存在下，并产生竞争力的结果OLS为基础的估计时，没有离群值存在于数据集中。
2020-05-13 stat.ME
Heteroscedastic stratified two-way EC models of single equations and SUR systems
面板数据估计中的一个相关问题是异方差性，这通常发生在样本很大且单个单位大小不同的情况下。此外，许多现有的面板数据集在本质上是不平衡的，因为磨损或增生，微观计量经济学模型应用于面板数据往往是多方程模型。本文研究了非平衡面板数据下单方程和带交叉方程约束的似不相关回归（SUR）系统的异方差分层双向误差分量（EC）模型的广义最小二乘估计.所导出的单方程和SUR系统的异方差估计提高了估计效率。
2017-08-07 stat.ME
Data Driven Robust Estimation Methods for Fixed Effects Panel Data Models
面板数据回归模型在不同的研究领域得到了越来越多的关注，包括但不限于计量经济学，环境科学，流行病学，行为和社会科学。然而，面板数据中离群观测值的存在往往会导致模型参数的有偏估计和效率低下，从而在应用最小二乘（LS）方法时导致不可靠的推断。我们提出了扩展的M-估计方法与数据驱动的调整参数的选择，以实现理想的水平的鲁棒性对离群值，而不损失估计效率。在较弱的正则条件下，证明了估计量的相合性和渐近正态性。通过广泛的模拟研究和宏观经济数据的应用程序，现有的和拟议的稳健估计的有限样本特性进行了检查。我们的研究结果表明，所提出的方法往往表现出改善的估计和预测性能的存在离群值和传统的LS方法时，没有污染是一致的。
2020-11-22 stat.ME
Robust Density Power Divergence Estimates for Panel Data Models
面板数据回归模型已成为社会科学、行为科学、环境科学和计量经济学等不同研究领域中应用最广泛的统计方法之一。然而，传统的基于最小二乘的技术经常被用于面板数据模型，容易受到数据污染或离群观测的不利影响，这可能导致有偏的和低效的估计和误导性的统计推断。在这项研究中，我们提出了一个最小密度功率发散估计程序面板数据回归模型与随机效应，以实现对离群值的鲁棒性。稳健性，以及所提出的估计的渐近性质，严格建立。所提出的方法的有限样本特性进行了研究，通过广泛的模拟研究和应用在阿曼的气候数据。我们的研究结果表明，所提出的估计表现出改善的性能比一些传统的和强大的方法存在的数据污染。
2021-08-05 math.ST stat.ME stat.TH
Same Root Different Leaves: Time Series and Cross-Sectional Methods in Panel Data
社会科学的一个中心目标是评估政策的因果效应。一种主要的方法是通过面板数据分析，其中多个单元的行为随着时间的推移进行观察。跨越时间和空间的信息激发了两种一般方法：（i）水平回归（即，unconfoundedness），其利用时间序列模式，以及（ii）垂直回归（例如，合成控制），其利用横截面模式。传统观点认为，这两种方法根本不同。我们认为，这一立场对于估计来说部分是错误的，但对于推论来说一般是正确的。特别是，我们证明了这两种方法在几个标准设置下产生相同的点估计。然而，对于同一点估计，每种方法都量化了不同被估量的不确定性。反过来，为一个被估量开发的置信区间可能对另一个被估量有不正确的覆盖。这强调了研究人员假设的随机性来源对推断的准确性有直接影响。
2022-10-08 econ.EM stat.ME
Design-Robust Two-Way-Fixed-Effects Regression For Panel Data
本文提出融合分配机制权重的双向固定效应估计量，在一般处理模式下具备双重稳健性，并可扩展至动态处理效应。
2024-03-04 econ.EM econ.GN q-fin.EC
Panel Estimation of Taxable Income Elasticities with Heterogeneity and Endogenous Budget Sets
本文提出一种面板估计方法，通过个体特定岭回归和去偏平均，在非线性及内生预算集条件下估计异质性应税收入弹性的平均值。
2024-12-31 econ.EM stat.ME
Identifying latent groups in spatial panel data using a Markov random field constrained product partition model
理解空间位置上的异质性是经济学和环境科学等许多应用中广泛研究的重要问题。在本文中，我们专注于回归模型的空间面板数据分析，重复测量收集随着时间的推移在不同的空间位置。我们提出了一类新的非参数先验，结合马尔可夫随机场（MRF）的产品分区模型（PPM），并表明，所得到的先验，称为MRF-PPM，能够识别潜在的组结构之间的空间位置，同时有效地利用空间依赖信息。我们推导出一个封闭形式的条件分布的建议前，并介绍了一种新的方法来计算边际似然，使有效的贝叶斯推断。我们进一步研究了所提出的MRF-PPM先验的理论性质，并给出了后验分布的聚类一致性结果。我们证明了我们的方法通过广泛的模拟研究和应用程序，以美国降水数据和加利福尼亚州的家庭收入中位数数据研究的优秀的实证性能。
2020-12-18 stat.ME
Nuclear Norm Regularized Estimation of Panel Regression Models
University of Southern California（南加州大学）；University of Oxford（牛津大学）
本文提出基于核范数正则化的面板回归模型估计方法，解决了交互固定效应模型的识别问题，并通过迭代步骤实现与传统最小二乘估计的渐近等价。
2026-02-09 econ.EM stat.ML
Linear Multidimensional Regression with Interactive Fixed-Effects
Department of Economics, Michigan State University（经济学系，密歇根州立大学）
本文提出了一种用于多维面板数据的线性回归方法，通过奈曼正交方法估计交互固定效应，并用于计算啤酒需求弹性。
2026-03-05 cs.LG econ.EM stat.ME
Local Statistics for Spatial Panel Models with Application to the US Electorate
空间面板回归模型在模拟计量经济学和其他类型的数据方面取得了巨大成功，这些数据在空间和时间上都有相关的预测变量。然而，通过测试时空残差的空间相关性的模型检查仍然缺乏。我们提出了一个通用的方法快速置换测试的地方和全球指标的空间关联。这种方法扩展了过去的单变量空间数据的统计，可以写为一个伽玛指数的矩阵相似性的多变量和面板数据设置。其中包括Moran的$I$和Geary的$C$。空间面板模型是合适的，我们的方法是测试县明智的选举结果，从2000年到2016年的五个美国总统选举。在这项分析中包括的县明智的外源性预测变量是选民人口密度，收入中位数，和人口的百分比是非西班牙裔白人。
2021-10-20 stat.AP stat.ME
Identification and Estimation of Time-Varying Nonseparable Panel Data Models without Stayers
本文探讨了不可分离面板数据模型的识别和估计问题。我们证明了当结构函数在标量不可观测变量中严格递增时，结构函数是非参数识别的，不可观测变量的条件分布不随时间变化，解释变量的联合支持度满足一些弱假设.为了确定目标参数，现有的研究假设结构函数不随时间变化，并且存在“滞留者”，即在两个时间段具有相同回归值的个体。相比之下，我们的方法允许结构函数以任意的方式依赖于时间段，并且不需要存在滞留者。在估计部分的文件中，我们考虑参数模型，并开发一个估计器，实现我们的识别结果。然后，我们证明了我们的估计的一致性和渐近正态性。蒙特卡罗研究表明，我们的估计在有限样本表现良好。最后，我们将我们的识别结果扩展到具有离散结果的模型，并表明结构函数是部分识别的。
2018-11-08 stat.ME
Quantile Regression for General Spatial Panel Data Models with Fixed Effects
本文考虑了一般空间面板数据的既有个体固定效应又有时间段效应的分位数回归模型。将提出工具变量分位数回归估计量。渐近性质的建议估计将开发。仿真实验研究了该方法的性能。我们将使用香烟需求数据集来说明我们的方法。
2016-08-05 stat.ME
Assessing the Effects of Macroeconomic Variables on Child Mortality in D-8 Countries Using Panel Data Analysis
The Islamia University of Bahawalpur（巴哈瓦尔布尔伊斯兰大学）；Ravensbourne University（拉文斯伯恩大学）；University College London（伦敦大学学院）
本研究通过面板数据分析D-8国家宏观经济变量对儿童死亡率的影响，发现教育和卫生支出及人均GNI与儿童死亡率存在负相关，从而对MDG4目标提出质疑。
2026-01-04 econ.TH stat.AP stat.OT
Influence Analysis with Panel Data
本文针对固定效应短面板数据提出异常单元与单元对影响的统计测度及可视化检测方法，并通过合成数据和实证示例验证其有效性。
2023-12-09 econ.EM stat.ME
Blocked Clusterwise Regression
最近的文献计量经济学模型未观察到的横截面异质性的面板数据分配每个横截面单位的一维，离散的潜在类型。这种模型已被证明可以通过回归聚类方法进行估计和推断。本文的动机是发现，在这篇文献中研究的聚类异质性模型可以严重错误的，即使面板具有显着的离散横截面结构。为了解决这个问题，我们概括了以前的方法，离散未观察到的异质性，允许每个单位有多个，不相关的潜变量，描述其响应类型不同的协变量。我们给出了我们的模型的k-means风格估计的推理结果，并开发了信息标准，以共同选择每个潜在变量的数量集群。蒙特卡罗模拟证实了我们的理论结果，并给出了直观的估计和模型选择的有限样本性能。我们还有助于集群的理论与一个超指定数量的集群，并得出新的收敛速度，这种设置。我们的研究结果表明，过度拟合可能是严重的k均值风格估计时，集群的数量是过度指定。
2020-01-29 econ.EM stat.ME stat.ML
Nonlinear Factor Models for Network and Panel Data
因子结构或交互效应是将潜在变量纳入面板数据模型的方便手段。考虑了在不可观测量中具有因子结构的非线性面板单指标模型的固定效应估计，包括logit、probit、有序probit和Poisson规格。我们建立了当面板的两个维度变大时，模型参数和平均部分效应的固定效应估计具有正态分布，但可能遭受偶然的参数偏差。我们展示了如何与因素结构的模型也可以应用于捕捉网络数据的重要功能，如互惠性，程度异质性，同质性的潜在变量和聚类。我们说明了这种适用性与实证的例子来估计的重力方程的国家之间的国际贸易使用泊松模型与多个因素。
2019-10-15 econ.EM stat.ME
Individual and Time Effects in Nonlinear Panel Models with Large N, T
本文给出了具有个体效应和时间效应的非线性面板数据模型中参数和平均部分效应的固定效应估计。它们涵盖了logit，probit，ordered probit，Poisson和Tobit模型，这些模型对于微观和宏观经济学中的许多经验应用都很重要。我们的估计使用分析和刀切偏差校正来处理附带的参数问题，并且在$N/T$收敛到一个常数的渐近序列下是渐近无偏的。我们开发的推理方法，并表明它们在数值例子中表现良好。
2018-12-18 econ.EM stat.ME
Efficient data augmentation for multivariate probit models with panel data: An application to general practitioner decision-making about contraceptives
本文考虑了在面板数据环境中估计多变量概率单位模型的问题，重点是对高维相关矩阵进行采样，并提高数据增强方法的整体效率。我们重新参数化的相关矩阵的原则性的方式，然后进行有效的贝叶斯推断使用哈密顿蒙特卡罗。我们还提出了一种新的对偶变量的方法来产生样本的随机效应和回归系数的后验分布，从而显着提高效率。我们应用的方法，通过分析所述的偏好数据从澳大利亚全科医生评估替代避孕产品。我们的分析表明，与患者讨论避孕产品组合的联合概率显示了全科医生之间的医疗实践差异，这表明即使讨论这些产品也存在一些阻力，更不用说推荐它们了。
2019-08-28 stat.AP stat.CO stat.ME
xtdml: Double Machine Learning Estimation to Static Panel Data Models with Fixed Effects in R
Institute for Social and Economic Research, University of Essex（社会经济研究所，埃塞克斯大学）
xtdml包通过双重机器学习方法处理具有固定效应的面板数据模型，提供非必要函数学习、未观测异质性处理及协变量变换功能，适用于高维混淆变量的回归分析。
2025-12-17 econ.EM stat.ME stat.ML
Max-sum tests for cross-sectional dependence of high-demensional panel data
本文考虑了高维面板数据的横截面依赖性检验问题，其中横截面单元的数量可能远大于观测值的数量。通过线性回归模型描述横截面依赖性。我们研究了三种检验方法，分别是和检验、最大值检验和最大和检验，其中后两种检验方法是新的。求和检验最初由Breusch和Pagan（1980）提出。我们分别对线性回归中的稀疏残差和非稀疏残差设计了最大和检验，并设计了最大和检验来折衷这两种情况。事实上，我们的模拟表明，最大和测试优于前两个测试。这使得最大和测试在实际中非常有用，其中一组数据的稀疏与否通常是模糊的。对于这三个检验的理论分析，我们解决了Pesaran（2004和2008）提出的关于样本相关系数平方和的两个问题。此外，我们还建立了面板数据线性回归模型中样本相关系数极大值的渐近理论，这也是我们所知的首次成功尝试。为了研究最大和检验，我们提出了一种新的方法来证明相依随机变量的最大值与和之间的渐近独立性。我们希望该方法本身对这种性质的其他问题是有用的。最后，进行了广泛的模拟研究以及案例研究。他们证明了我们提出的方法的优势，无论稀疏与否，在经验功率和残差的鲁棒性。
2020-07-08 econ.EM math.ST stat.TH
Joint Conditional Maximum Likelihood Estimation of Beta Regression for Panel Data with Higher-Order Autoregressive Errors
University of California, San Francisco（旧金山加利福尼亚大学）
针对面板Beta回归无法处理高阶自回归依赖的问题，提出联合条件最大似然Beta-AR(k)模型及两种协方差估计器，模拟验证PCSE优于DK，并给出Stata实现。
2026-09-23 stat.ME
Ranking-Based Second Stage in Data Envelopment Analysis: An Application to Research Efficiency in Higher Education
本文提出在DEA面板第二阶段用得分驱动的动态排名模型替代效率得分建模，并以国家高等教育科研效率与善治关系为例验证其稳健性检验价值。
2024-05-08 stat.AP
Panel Coupled Matrix-Tensor Clustering Model with Applications to Asset Pricing
City University of Hong Kong（香港城市大学）；University of Notre Dame（圣母大学）
PMTC模型通过整合特征张量和回报矩阵，提升资产分组和因子负载估计的准确性与实用性。
2025-12-29 econ.EM stat.ME
Fixed-Effect Regressions on Network Data
本文考虑了由网络数据估计的线性回归模型中固定效应的推断问题。我们设置的一个重要特例是双向回归模型。这是分析匹配数据集（如雇主-雇员或学生-教师面板数据）的主力技术。我们形式化的网络结构如何影响的准确性与固定效应可以估计。这使我们能够在网络上推导出一致估计和渐近有效推理的充分条件。还考虑了矩的估计。我们允许一般的网络，我们的设置涵盖了密集和稀疏的情况。我们提供了数值结果的教师增值模型和回归职业假人的估计。
2019-04-01 econ.EM stat.ME
A projection based approach for interactive fixed effects panel data models
本文提出一种基于样条投影的偏最小二乘估计法，用于交互固定效应面板数据模型，无需迭代或因子预估计，并通过横截面自助法实现非保守推断，经蒙特卡洛模拟及OECD数据验证有效。
2025-02-25 econ.EM stat.ME
Estimation, Prediction, and Assortment Optimization for Markov Chain Choice Models with Panel Data
Melbourne Business School（墨尔本商学院）
该研究针对具有面板数据的马尔可夫链选择模型，提出包含参数估计、选择预测及商品组合优化的框架。通过纳入偏序偏好信息的新颖期望最大化算法进行参数估计，在数据集上表现优于传统算法，还给出相关问题的难度与计算结果。
2026-07-14 cs.LG stat.ML
Nonparametric Quantile Regression for Homogeneity Pursuit in Panel Data Models
许多面板数据对个体具有潜在的亚组效应，正确识别这些群体是很重要的，因为通过汇集每个群体内个体的信息可以显着提高所得估计量的效率。然而，目前假设的响应和预测变量之间的参数和半参数关系可能会被错误指定，这将导致错误的分组结果，因此可以考虑非参数方法来避免这种错误。此外，响应可以以不同的方式取决于各个分位数级别的预测因子，并且对应的分组结构也可以变化。针对这些问题，本文提出了一种非参数分位数回归方法，用于追踪具有个体效应的面板数据模型的同质性，并采用两两融合罚函数自动选择分组数。渐近性质的建立，并ADMM算法也被开发。有限样本性能的仿真实验进行了评估，所提出的方法的有效性进一步说明了一个实证例子。
2022-08-22 stat.ME
Theory and methods of panel data models with interactive effects
本文研究了具有交互效应的面板数据模型的极大似然估计。受经济学和其他社会科学应用的启发，该模型的一个显著特点是解释变量与未观察到的效应相关。通常的组内估计是不一致的。现有的一致性估计方法要么是针对短时间段的面板数据设计的，要么效率较低。最大似然估计具有理想的性质，并易于实现，所示的Monte Carlo模拟。本文发展了极大似然估计的推论理论，包括相合性、收敛速率和极限分布。我们进一步扩展模型，包括时不变回归和共同回归（截面不变）。时不变回归量的回归系数是时变的，而普通回归量的系数是横截面变化的。
2014-02-26 math.ST stat.TH
Panel Data Quantile Regression with Grouped Fixed Effects
介绍了面板数据分位数回归中分组潜在异质性的估计方法。我们假设所观察到的个体来自一个具有有限数量类型的异质种群。类型和组成员的数量不被假定为预先已知，并通过凸优化问题估计。我们提供的条件下，组成员的估计一致，并建立渐近正态性的估计。仿真结果表明，当T相当大时，该方法在有限样本下工作良好。为了说明所提出的方法，我们使用1977年至2010年美国51个州的面板数据研究了通过隐藏武器法对暴力犯罪率的影响。
2018-08-05 econ.EM stat.ME
Regression Analysis of Ordinal Panel Count Data in Recurrent Medication Non-adherence
针对序数面板计数数据缺乏标准分析方法的问题，提出半参数比例强度模型及基于单调样条的最大筛似然估计，在模拟和抑郁症临床试验中验证了其有效性与稳健性。
2025-05-28 stat.ME
Proportional mean model for panel count data with multiple modes of recurrence
当研究受试者暴露于仅在离散时间点观察到的复发性事件时，组计数数据是常见的。本文考虑了具有多重回归模式的面板计数资料的回归分析。我们提出了一个比例均值模型来估计由于不同的复发模式的协变量对基础计数过程的影响。详细研究了$(k>1)$回归模型的基线累积均值函数和回归参数的同时估计问题。所提出的估计量的渐近性质也建立。一个蒙特卡罗模拟研究进行了验证所提出的估计的有限样本行为。将该方法应用于皮肤癌化学预防试验的真实数据。
2021-07-03 stat.ME
Dynamic Elasticity Between Forest Loss and Carbon Emissions: A Subnational Panel Analysis of the United States
Interdisciplinary Program in Artificial Intelligence（人工智能交叉学科项目）
本文通过构建美国地方层面的面板数据集，分析森林损失与碳排放之间的动态弹性，揭示了森林退化对碳排放的长期累积影响，并提出了一种用于环境变化分析的稳健工具。
2026-02-22 cs.LG stat.AP
The thermal power generation and economic growth in the central and western China: A heterogeneous mixed panel Granger-Causality approach
新能源经济问题已成为全球热点问题。本文运用异质混合面板Granger因果关系检验方法，考察了中国中西部地区火电发电量占总发电量的比重（RTPG）与经济增长（GDP）之间的因果关系。对于整个面板，实证结果支持存在单向因果关系从GDP到RTPG（在中国西北地区），从RTPG到GDP（在中部地区）。在省域层面，内蒙古和宁夏的GDP与RTPG之间存在因果关系，山西、安徽和江西的RTPG与GDP之间存在因果关系。在跨区域关系方面，西部地区GDP对中部地区RTPG的影响是Granger效应，西南地区RTPG对中部和西北地区GDP的影响是Granger效应。此外，面板回归显示，在西北地区，GDP对RTPG的负面影响，RTPG对GDP的负面影响。然而，RTPG对西北地区的GDP有积极的影响。因此，要在不影响中西部地区竞争力的前提下促进经济发展，可以调整发电结构，加大对可再生能源供应和能效的投资。
2021-10-19 stat.AP
Network and Panel Quantile Effects Via Distribution Regression
本文提供了一种方法来构造非线性网络和面板模型中的分位数函数和分位数效应的同时置信带，具有不可观察的双向效应，严格外生协变量，并可能离散的结果变量。该方法基于由固定效应分布回归估计量构造的分布函数的同时置信带的投影。这些固定效应估计量是去偏的，以处理附带参数问题。在数据集的两个维度以相同速率增长的渐近序列下，分位数函数和效应的置信带在大样本中具有正确的联合覆盖。贸易引力模型的实证应用说明了网络数据的方法的适用性。
2020-06-08 econ.EM stat.ME
Panel Data Quantile Regression for Treatment Effect Models
在这项研究中，我们开发了一种新的估计方法的分位数处理效应（QTE）的秩不变和秩平稳性假设。Ishihara（2020）在这些假设下探索了不可分离面板数据模型的识别，并提出了基于最小距离方法的参数估计。然而，当协变量的维数很大时，使用该过程的最小距离估计在计算上要求很高。为了克服这个问题，我们提出了一个两步估计方法的基础上的分位数回归和最小距离方法。然后，我们展示了我们的估计的一致渐近性质和非参数自助的有效性。蒙特卡罗研究表明，我们的估计在有限样本表现良好。最后，我们提出了两个实证说明，估计分配效果的保险提供对家庭生产和电视观看对儿童认知发展。
2021-11-17 econ.EM stat.ME
Functional-Coefficient Quantile Regression for Panel Data with Latent Group Structure
本文考虑了具有个体效应的面板分位数回归中的函数系数模型的估计问题，其中考虑了大型面板观测值的横截面和时间依赖性。对异质分位数回归模型施加一种隐群结构，从而大大减少了需要估计的非参数函数系数的数目。通过对特定主题函数系数的局部线性分位数的初步估计，利用经典的凝聚聚类算法估计未知的组结构，并提出一种易于实现的比率准则来确定组数。估计的组数和结构是一致的。此外，分组后的局部线性平滑方法被引入到估计组特定的功能系数，和相关的渐近正态分布理论推导出与文献中的归一化率。开发的方法和理论进行了验证，通过模拟研究，并展示了应用程序的房价数据从英国地方政府区，揭示了不同的同质性结构在不同的分位数水平。
2023-03-23 econ.EM stat.ME
Low-rank Panel Quantile Regression: Estimation and Inference
在本文中，我们提出了一类低秩面板分位数回归模型，允许不可观察的斜率异质性的个人和时间。我们估计的异质截距和斜率矩阵通过核范数正则化，然后通过样本分裂，行和列的分位数回归和去偏。我们证明了与截距和斜率矩阵相关的因子和因子载荷的估计量是渐近正态分布的。此外，我们开发了两个规格测试：一个零假设的斜率系数是一个常数随着时间和/或个人的情况下，真实的秩的斜率矩阵等于1，和其他的零假设的斜率系数的情况下，真实的秩的斜率矩阵等于2的情况下，表现出一个加性结构。我们通过蒙特卡罗模拟和真实数据集说明了估计和推断的有限样本性能。
2022-10-20 econ.EM stat.ME
Panel Quantile Regression with Common Shocks
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Michigan State University（密歇根州立大学）
本文发展了一种对共同冲击稳健的面板分位数回归渐近与推断理论，提出了在共同冲击存在下仍一致的协方差估计量，放宽了截面独立和T≫N的假设。
2026-06-17 econ.EM stat.ME
Inferring on joint associations from marginal associations and a reference sample
我们提出了一种方法来推断联合回归系数从边际回归使用参考面板。这种类型的情况在遗传精细定位中很常见，其中估计的边际关联在全基因组关联研究（GWAS）中报告，并且参考面板用于联合回归模型中的关联推断。我们发现，忽略不确定性，由于使用的参考面板，而不是原来的设计矩阵，可能会导致严重通货膨胀的错误发现和缺乏可复制的发现。我们推导了联合回归模型中估计系数的渐近分布，并展示了如何使用它来产生有效的推断。我们解决了两个设置：预先选择的区域内的推断，以及基于相同数据选择的区域内的推断。通过实际数据的例子和模拟，我们证明了我们所建议的方法的实用性。
2022-12-04 stat.ME
Modeling panels of extremes
极值应用程序通常采用回归技术来捕获数据中的横截面异质性或时间变化。极值回归模型的参数估计是众所周知的具有挑战性的，因为在应用中通常可获得的观测值数量很少。当在相同个体上收集重复的极端测量值时，即，如果存在一组极值，则将观察结果分组可以改进统计推断。我们研究三个数据集相关的金融，气候科学和水文风险评估。在所有这三种情况下，问题可以用一个潜在的群体结构和群体特定的参数的极值面板回归模型。我们提出了一种新的算法，联合分配的个人的潜在群体，并估计每个群体内的回归模型的参数。我们的方法在没有先验信息的情况下有效地恢复了底层组结构，并且对于三个数据集，它提供了改进的回报水平估计，并有助于回答重要的特定领域问题。
2022-05-11 stat.AP stat.ME
Bayesian Panel Quantile Regression for Binary Outcomes with Correlated Random Effects: An Application on Crime Recidivism in Canada
本文提出了一种贝叶斯方法，用于在存在相关随机效应的情况下估计具有二元结果的面板分位数回归。我们使用非对称拉普拉斯（AL）误差分布构建工作似然，并将其与合适的先验分布相结合，以获得完整的联合后验分布。对于后验推理，我们提出了两个马尔可夫链蒙特卡罗（MCMC）算法，但更喜欢的算法，利用阻塞过程中产生较低的自相关MCMC提请。我们还解释了如何使用MCMC抽签来计算边际效应，相对风险和比值比。我们的首选算法的性能在多个模拟研究中得到证明，并表现得非常好。此外，我们实施了拟议的框架，研究犯罪累犯在魁北克省，加拿大省，使用一个新的数据，从行政矫正档案。我们的研究结果表明，最近实施的“强硬的犯罪”政策，加拿大政府已在很大程度上成功地减少了重复犯罪的概率在后政策时期。此外，我们的研究结果支持现有的研究结果，犯罪累犯，并提供了新的见解，在不同的分位数。
2020-01-25 econ.EM stat.ME
