Modelling peaks over thresholds in panel data: a two-level grouped panel generalized Pareto regression
针对面板数据极值建模，提出两水平分组面板广义Pareto回归框架，结合回归与潜在分组结构平衡灵活性与估计效率，有效提升估计效率并发现尾部行为模式。
2025-09-18 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
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
Spectral Clustering with Variance Information for Group Structure Estimation in Panel Data
针对面板数据中未知分组估计问题，提出利用个体系数估计方差信息的谱聚类方法，计算高效且适用于个体数据缺失场景，模拟和实证均优于现有方法。
2024-02-08 stat.ME stat.ML
Estimating Semi-parametric Panel Multinomial Choice Models using Cyclic Monotonicity
本文提出了一种新的半参数识别和估计方法，在面板数据设置与个人固定效应的多项选择模型。我们的方法是基于循环单调性，这是一个定义功能的随机效用框架下的多项式选择模型。从循环单调性的性质，我们得到识别不等式，而不需要任何形状限制的随机效用冲击的分布。这些不等式指出在对协变量的直接假设下识别模型参数。基于这些不等式，我们提出了一个相合估计量.
2016-04-20 stat.ME
Expected Shortfall Panel Regression
Shandong University（山东大学）；Southeast University（东南大学）；University of Science and Technology of China（中国科学技术大学）
本文提出面板期望损失回归模型，通过潜在因子结构捕捉横截面依赖，开发两阶段估计方法以应对厚尾误差，理论上证明了估计量的一致性和渐近正态性，并通过模拟和实证显示方法在参数估计和因子恢复上具有显著优势。
2026-04-14 stat.ME
Panel Data Models with Nonadditive Unobserved Heterogeneity: Estimation and Inference
本文研究了具有随机系数和内生回归变量的线性和非线性面板数据模型的固定效应估计和推断。感兴趣的数量--均值、方差和随机系数的其他矩--通过分别应用于每个个体的时间序列的GMM估计器的横截面样本矩来估计。为了处理由短样本中个体内估计的噪声引入的偶然参数问题，我们发展了偏差校正。这些修正是基于高阶渐近展开的GMM估计，并产生改进的点和区间估计在中等长的面板。在面板的横截面和时间序列维度以相同的速率传递到无穷大的渐近序列下，未校正估计量具有与渐近方差相同阶的渐近偏差。偏差校正在不增加方差的情况下消除偏差。根据Becker、Grossman和Murphy（1994）的一个关于卷烟需求的实证例子，美国各州的价格效应存在显著的异质性。
2013-10-11 econ.EM math.ST stat.AP
Optimal Shrinkage Estimation of Fixed Effects in Linear Panel Data Models
针对现有收缩估计量需强分布假设才能提升精度的问题，提出无需分布假设、在一类收缩估计量中均方误差最优的固定效应估计量，支持时变与序列相关固定效应，还给出了提前一期的预测方法。
2025-09-05 econ.EM 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
A robust specification test in linear panel data models
离群观测值的存在可能会对统计检验程序产生不利影响，导致不稳定的检验统计量和不可靠的推断，这取决于参数估计值的失真。尽管面板数据模型中异常值的不利影响，但只有少数稳健的检验方法可用于模型规格。本文提出了一种新的基于加权似然的稳健规格检验方法，以确定面板数据中包含个体特征成分的适当方法。在随机效应规格的原假设下，该检验已被证明具有与最常用的Hausman规格检验相同的渐近分布。通过蒙特卡罗模拟和经济合作与发展组织成员国的经济增长数据说明了稳健检验过程的有限样本性质。我们的记录显示，在存在污染的情况下，耐用质量标准检测在检测的尺寸和功效方面表现出改进的性能。
2021-04-15 econ.EM stat.ME
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
Change Point Estimation in Panel Data with Temporal and Cross-sectional Dependence
我们研究了基于均值漂移模型的大样本数据中的公共变点检测问题，其中误差表现出时间和横截面的依赖性。基于最小二乘法的程序被用来估计的位置的变化点。进一步，我们建立了最小二乘估计的收敛速度和渐近分布。分布的形式由变点前后均值的范数差的行为决定。由于这种规范差异的行为是，先验，未知的从业者，我们还开发了一种新的数据驱动的自适应程序，提供有效的置信区间的共同变化点，而不需要任何这样的知识。基于合成数据的数值计算表明，在不同的时间和横截面依赖性，样本量和面板数量的设置下，在有限样本的估计性能。最后，我们研究了金融股票数据的应用程序，并讨论了确定的变化点。
2019-04-25 math.ST stat.ME stat.TH
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
Change Point Estimation in Panel Data with Time-Varying Individual Effects
本文提出了一种基于普通最小二乘法（OLS）估计个体效应不可观测的面板数据模型中多个变点的方法。通常，在此设置中，由于未观察到的个体效应偏倚，OLS斜率估计量不一致。因此，现有的方法通过数据转换，如一阶差分，在变点估计之前去除个体效应。我们证明了在合理的假设下，未观察到的个体效应偏差对变点的一致性估计没有影响。我们的模拟表明，由于我们的方法在变点估计之前不会消除数据集中的任何变化，因此与一阶差分方法相比，它在小样本中的表现更好。我们专注于短面板，因为它们在实践中常用，并允许未观察到的个体效应随时间变化。我们的方法是通过两个应用程序：环境库兹涅茨曲线和美国房价预期后，金融危机。
2018-08-09 econ.EM stat.AP
Nonparametric Identification in Panels using Quantiles
本文研究了具有时间齐性的不可分面板模型中连续回归变量的CeterisParibus效应的识别和估计。兴趣效应是模型的平均值和分位数结构函数的导数。我们发现，这些衍生工具被确定为两个时间段的“逗留者”，即个人在两个时间段具有相同的回归值。我们表明，识别结果结转到模型，允许位置和规模的时间效应。我们提出了非参数序列方法和加权自助法来估计和推断所确定的效果。提出的引导允许统一推断的功能值的参数，如分位数的影响，均匀的分位数指数和/或回归值的区域。恩格尔曲线估计面板数据的实证应用说明了结果。
2014-08-05 econ.EM stat.ME
The R-package phtt: Panel Data Analysis with Heterogeneous Time Trends
R-package phtt为具有大维度n、T和一般形式的不可观察异质效应的面板数据提供了估计程序。特别是，Bai（2009）和Kneip，Sickles和Song（2012）的估计程序相互补充：两个模型都假设不可观察的异质效应具有因子结构。Kneip等人（2012）考虑了时变公共因子具有相对平滑模式的情况，包括强正自相关平稳和非平稳因子，而Bai（2009）的方法侧重于随机有界因子，如ARMA过程。此外，phtt软件包提供了一个广泛的维度标准，以估计未观察到的因素的数量，同时与其余的模型参数。
2014-07-24 stat.CO stat.ME
Heterogeneous Synthetic Learner for Panel Data
North Carolina State University（北卡罗来纳州立大学）；Amazon（亚马逊）；University of California Irvine（加州大学欧文分校）
在个性化的新时代，学习异构处理效应（HTE）成为必然趋势，并有着众多的应用。然而，大多数现有的HTE估计方法集中在独立和同分布的观察，不能处理非平稳性和时间依赖性的共同面板数据设置。另一方面，针对面板数据开发的治疗评价者通常忽略个体化信息。为了填补这一空白，本文对面板数据下的HTE估计进行了初步研究。在不同的假设条件下，HTE可识别性，我们提出了相应的异构单边和双边合成学习，即H1SL和H2SL，利用国家的最先进的HTE估计非面板数据和推广的合成控制方法，允许灵活的数据生成过程。我们建立了所提出的估计的收敛速度。所提出的方法比现有的优越性能证明了广泛的数值研究。
2023-01-29 cs.LG math.ST stat.ME
Estimation of the time of change in panel data
本文研究了当面板数据之间存在公共因子形式的相关性时，面板数据的均值参数变化的公共时间的估计问题。提出了一种新的估计量，并建立了一阶和二阶渐近性，可用于导出变化时间的一致置信区间。我们的研究结果在两个主要方向上改进了现有的理论。首先，我们对模型误差施加的条件只与它们的长期矩的顺序有关，因此我们的结果适用于几乎所有感兴趣的平稳时间序列模型，包括非线性时间序列，如Gesthem和Gesthem过程。其次，我们研究了估计量的渐近分布和赋范序列如何依赖于每个面板的变化幅度和公共因子载荷。我们的结果在有限样本的性能证明与蒙特卡洛模拟研究，我们考虑应用到两个真实的数据集：23种货币的汇率相对于美元，和人均国内生产总值在113个国家。
2015-03-15 math.ST stat.TH
Bias-Reduced Estimation of Finite Mixtures: An Application to Latent Group Structures in Panel Data
本文提出了一种减少有限混合估计偏差的方法，通过分类混合似然函数和一致分类器，提高了估计精度，并在实证应用中降低了预测误差。
2026-02-03 cs.LG econ.EM stat.CO
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
An Exponential-Polynomial Divergence-based Robust Information Criterion for Linear Panel Data Models and Neural Networks
Department of Mathematics and Computing, IIT(Indian School of Mines) Dhanbad（印度矿业学院（IIT）达纳巴德数学与计算系）
本文提出一种基于指数-多项式发散的稳健信息准则，用于线性面板数据模型和神经网络，通过增强数据不规则性适应性，提升模型选择的稳健性和可靠性。
2026-03-25 stat.AP stat.ME
Controlling for Unmeasured Confounding in Panel Data Using Minimal Bridge Functions: From Two-Way Fixed Effects to Factor Models
本文提出了一种新的方法来识别和估计面板数据中的平均因果效应的线性因子模型下不可测量的混杂因素。与其他处理因子模型的方法（如合成控制和矩阵完成）相比，我们的方法不需要时间段的数量无限增长。相反，我们从双向固定效应模型中汲取灵感，作为线性因子模型的一种特殊情况，其中一个简单的差中差转换识别效果。我们发现，类似的，虽然更复杂，转换存在于更一般的线性因子模型，提供了一种新的方法来识别该模型中的效果。事实上，存在许多这样的转换，称为桥函数，所有识别相同的因果效应估计。这对估计和推理提出了独特的挑战，我们通过使用正则化估计方法以最小桥函数为目标来解决。我们证明了我们得到的平均因果效应估计是根N一致的和渐近正态的，我们提供了渐近有效的置信区间。最后，我们提供了扩展的情况下，随时间变化的不可测的混杂因素的线性因子模型。
2021-08-09 econ.EM stat.ME
Common change point estimation in panel data from the least squares and maximum likelihood viewpoints
本文建立了面板数据模型中最小二乘和极大似然方法得到的突变点估计的收敛速度和渐近分布，并比较了它们的渐近方差。我们的模型假设适应了各种常见的概率分布，特别是，在计量经济学中特别感兴趣的模型超出了通常分析的高斯模型，包括零膨胀泊松模型计数数据，概率和tobit模型。我们还提供了新的结果，在信号加噪声模型中的不定常的数据，重点是广泛的噪声过程，包括高斯过程，MA $(\infty)$和$m$依赖的过程。结果表明，与最小二乘估计相比，极大似然估计需要更强的信噪比模型可辨识性条件。最后，由于有三个不同的渐近制度，依赖于行为的规范差异的模型参数之前和之后的变化点，这不能现实地假设是已知的，我们开发了一种新的数据驱动的自适应程序，提供有效的置信区间的共同突破，而不需要先验知识的渐近制度的问题属于。
2017-08-19 math.ST stat.TH
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
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
Convergence rate of estimators of clustered panel models with misclassification
研究了具有潜在组结构和$N$单位及$T$时间段的面板数据模型在长面板渐近下的k均值聚类估计.我们表明，即使误差方差发散为$T \to \infty$和一些单位是渐近错误分类的参数根$NT$率的组特定的系数可以估计。这种极限情况下近似经验相关的设置，并不包括现有的渐近结果。
2020-08-11 econ.EM math.ST stat.TH
Adaptive Discrete Smoothing for High-Dimensional and Nonlinear Panel Data
Hong Kong University（香港大学）；New York University（纽约大学）；University of Hamburg（汉堡大学）；Max Planck Society（马克斯·普朗克学会）
在本文中，我们开发了一个数据驱动的平滑技术的高维和非线性面板数据模型。我们允许个人特定的（非线性）功能和估计与计量经济学或机器学习方法通过使用加权观察其他个人。权重由数据驱动的方式确定，取决于相应函数之间的相似性，并基于初始估计进行测量。这种程序的关键特征是，它根据在第一阶段估计的个体之间的距离/相似性对个体进行聚类。我们的估计方法可以与各种统计估计过程相结合，特别是现代机器学习方法，这些方法在高维情况下以及复杂的异构数据中特别富有成效。该方法可以被解释为\textquotedblleft软聚类\textquotedblright \，而传统的\textquotedblleft \硬聚类\textquotedblright将每个个体分配到一个组。我们进行了模拟研究表明，预测可以大大提高使用我们的估计。最后，我们分析了交通行业领先公司didichuxing.com的大数据集，基于大量协变量来分析和预测供需缺口。与现有的线性面板数据估计相比，我们的估计量在样本外预测中明显表现得更好。
2020-01-03 cs.LG econ.EM stat.ME
Robust Inference in Panel Data Models: Some Effects of Heteroskedasticity and Leveraged Data in Small Samples
针对面板数据中小样本、异方差和良好杠杆点并存的问题，提出方差-协方差矩阵混合估计量，通过蒙特卡洛模拟证明保守方差估计量优于传统标准误且HC标准误表现优异。
2023-12-29 econ.EM stat.CO
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
Estimation and inference for linear panel data models under misspecification when both $n$ and $T$ are large
本文考虑了当个体数$n$和时间段数$T$都很大时，线性面板数据模型在可能的模型误设定下的固定效应估计.我们首先澄清FE估计的概率极限，并认为这个概率极限可以被视为一个伪真参数。然后，我们建立了渐近分布性质的FE估计周围的伪真参数时，$n$和$T$共同走向无穷大。值得注意的是，我们表明，FE估计遭受的附带参数偏差的最高阶是$O(T^{-1})$，即使在附带参数偏差被完全删除后，FE估计的收敛速率取决于模型误设的程度，要么是$(nT)^{-1/2}$或$n^{-1/2}$。其次，我们建立了渐近有效的推断（伪真）参数。具体来说，我们推导出了集群协方差阵（CCM）估计量和截面自助法的渐进性质，并表明它们对模型误设定具有鲁棒性。这为当模型误设定和偶然参数偏差（在系数估计中）存在时使用CCM估计和截面引导建立了严格的理论基础。我们进行蒙特卡罗模拟，以评估有限样本的估计和推理方法的性能，连同一个简单的应用程序，在美国的失业动态。
2014-03-11 math.ST stat.TH
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
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
Square-root nuclear norm penalized estimator for panel data models with approximately low-rank unobserved heterogeneity
本文考虑了具有交互效应的面板数据模型的核范数惩罚估计。低秩交互效应可以是近似模型，最佳逼近的秩未知，并随样本量增长。该估计器是一个结构良好的凸优化问题的解，可以在多项式时间内求解。我们得到的收敛速度，研究低秩性质的估计，估计的秩和零化子矩阵的时间段的数量增长时的样本量。两阶段估计量可以渐近正态。这些程序都不需要知道误差的方差。
2019-05-03 math.ST stat.TH
Semiparametric panel data models using neural networks
本文提出了一种利用前馈神经网络拟合非参数分量的半参数模型估计器。与机器学习文献中的许多方法不同，这种方法适用于纵向/面板数据。它提供了模型参数分量的无偏估计，以及具有接近标称覆盖率的相关置信区间。仿真结果表明：（1）效率，（2）参数估计是无偏的，（3）估计区间的覆盖性质。应用部分通过使用1981-2015年期间的每日天气数据预测县级玉米产量以及代表技术变革的参数时间趋势来演示该方法。该方法被证明优于线性方法，如OLS和脊/套索，以及随机森林。本文所描述的过程是在R包panelNNET中实现的。
2017-05-18 stat.AP
Quantile LASSO with changepoints in panel data models applied to option pricing
面板数据是一种现代统计工具，在各种规律性假设下被广泛应用于各种计量经济问题。引入了带变点的面板数据模型和原子追踪方法，并将其应用于标的期权价格函数的估计。通过采用分位数LASSO方法，实现了对数据的稳健估计和复杂洞察。最终模型仅需一个建模步骤即可以完全数据驱动的方式生成。此外，通过引入一组定义良好的线性约束，得到了无仲裁的场景。在一些合理的假设下，最终估计与模型估计和变点检测性能一致。有限样本的性质进行了研究，在模拟研究和建议的方法适用于苹果看涨期权定价问题。
2019-09-23 math.ST stat.TH
Fitting birth-death processes to panel data with applications to bacterial DNA fingerprinting
连续时间线性出生-死亡-移民（BDI）过程经常被用于生态学和流行病学中，以模拟感兴趣的人口的随机动力学。在临床环境中，多个出生-死亡过程可以描述单个患者的疾病轨迹，从而可以估计单个协变量对过程的出生率和死亡率的影响。这种估计通常通过分析在不均匀间隔的时间点收集的患者数据来完成，在生物统计学文献中称为面板数据。将线性BDI过程拟合到面板数据是一个非平凡的优化问题，因为出生率和死亡率可以是与感兴趣的协变量相关的许多参数的函数。本文提出了一种新的期望最大化（EM）算法来拟合具有协变量的线性BDI模型。我们推导出一个封闭形式的表达的联合生成函数的一些BDI过程的统计数据，并使用此生成函数，以减少期望最大化算法的E-步骤，以及计算的费舍尔信息，一维集成。这种分析技术产生了一种计算效率高且鲁棒的优化算法，我们在开源R包中实现了该算法。我们将我们的方法应用于结核分枝杆菌的DNA指纹图谱，结核病的病原体，研究患者内的时间演变的IS 6110拷贝数，经常使用的遗传标记在估计结核分枝杆菌感染的流行病学集群。我们的分析揭示了以前未记录的结核分枝杆菌三大谱系之间IS 6110出生-死亡率的差异，这对使用IS 6110进行结核分枝杆菌DNA指纹分析的流行病学家具有重要意义。
2014-01-10 q-bio.PE stat.AP stat.CO
LongBet: Heterogeneous Treatment Effect Estimation in Panel Data
提出基于贝叶斯因果森林的半参数方法LongBet，无需平行趋势假设即可估计面板数据中的异质处理效应，并提供不确定性量化和条件平均处理效应估计。
2024-06-04 stat.ME
Oracle Inequalities for High-Dimensional Panel Data Models
本文研究了回归变量个数远大于样本量的高维面板数据模型。在真实参数向量稀疏的假设下，我们提出了一种panel-Lasso估计，并在两组不同的协变量和误差项条件下，建立了其估计误差的有限样本上界.特别是，我们允许异方差和非高斯误差项是弱依赖于时间。在稀疏性假设下，给出了未观测到的异质性估计误差的上界。接下来，我们证明了我们的上界本质上是最优的，因为它们只能通过乘法常数来改进。然后，这些结果被用来表明，Lasso可以是一致的，即使在非常大的模型中，回归的数量以指数速度增加的样本量。还提供了Lasso不渐近丢弃任何相关变量的条件。在本文的第二部分中，我们给出了自适应Lasso在有限样本中选择正确稀疏模式的概率的下界。然后，这些结果被用来给条件下，自适应Lasso可以检测到正确的稀疏模式渐近。我们通过模拟说明了我们的有限样本结果，并应用该方法寻找解释八国集团国家增长的协变量。
2014-02-13 math.ST stat.TH
Identifying Network Ties from Panel Data: Theory and an Application to Tax Competition
University College London（伦敦大学学院）；Queen Mary University（玛丽女王大学）
本文通过自适应弹性网GMM方法，从面板数据中识别社会网络，揭示税收竞争不同于地理邻近州的竞争假设，为税收设定行为的决定因素提供新见解。
2023-10-11 econ.EM stat.AP
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
Feed-Forward Panel Estimation for Discrete-time Survival Analysis of Recurrent Events with Frailty
针对复发事件脆弱性模型边际似然无闭式解的问题，提出FFPSurv，利用变分贝叶斯顺序更新脆弱性后验并给出面板似然闭式解，实验验证有效且证明可识别。
2024-10-28 stat.ME
Generalized Yule-Walker Estimation for Spatio-Temporal Models with Unknown Diagonal Coefficients
我们考虑一类时空模型，扩展流行的计量经济学空间自回归面板数据模型，允许每个位置（或面板）的标量系数彼此不同。为了克服固有的内禀性，我们提出了一种广义的Yule-Walker估计方法，它将最小二乘估计应用于Yule-Walker方程。渐近理论是在样本量和位置（或面板）的数量在平稳和α混合过程的一般设置下趋于无穷大的设置下开发的，其中包括由i.i.d.驱动的空间自回归面板数据模型。创新作为特例。所提出的方法说明使用模拟和真实数据。
2016-05-14 stat.ME
Efficient Bayesian estimation for flexible panel models for multivariate outcomes: Impact of life events on mental health and excessive alcohol consumption
我们考虑的问题考虑估计一个多变量纵向面板数据模型，其结果可以是离散和连续变量的组合。这个问题是具有挑战性的，因为可能性通常是难以分析的。我们的文章既在方法上做出了贡献，也对应用程序做出了实质性的贡献。方法上的贡献是在面板数据文献中引入粒子Metropolis within Gibbs方法来进行贝叶斯推断，使用哈密顿蒙特卡罗（Neal 2011}建议对未知参数的向量进行采样。我们注意到，在面板数据模型中，我们的第二个贡献是应用我们的方法对严重的生活事件对心理健康和过度饮酒的影响进行认真的分析。这两个结果之间的依赖性可能会更加明显，当饮酒过量和心理健康状况差，这反过来又影响了生活事件如何影响结果的联合分布。
2017-09-23 stat.ME
Cause specific rate functions for panel count data with multiple modes of recurrence
组计数数据来自复发事件的纵向研究，其中仅在离散时间点观察每例受试者。如果几种类型的复发事件是可能的，我们获得面板计数数据与多种模式的复发。这种数据在医学研究、可靠性实验以及社会学研究中经常遇到。在这篇文章中，我们提出了原因特异性率函数的分析面板计数数据与多个模式的复发和发展非参数估计程序相同。我们得出的原因特定的速率函数的经验估计，并提出了一个平滑的版本相同的估计使用核估计方法。估计的渐近性质进行了研究。模拟研究进行评估有限样本中的估计性能。使用Sun和Zhao（2013）中给出的皮肤癌化学预防试验的真实数据证明了所提出方法的实际效用。
2021-06-03 stat.ME
Estimation of Cross-Sectional Dependence in Large Panels
在大型面板数据分析中，准确估计横截面依赖程度对于进一步对所研究数据进行统计分析至关重要。将更多具有弱关系（横截面依赖性）的数据放在一起通常会导致效率较低的降维和更差的预测。本文通过因子模型描述了大量对象（时间序列）之间的横截面依赖性，并根据因子载荷的强度对其程度进行参数化。利用高维时间序列降维的特点，提出了一种新的联合估计方法，用于估计过程中表征程度的参数和其他参数。此外，一对估计的联合渐近分布建立。仿真结果表明了所提出的估计方法在有限样本情况下的有效性。研究了标准普尔500指数在跨国宏观变量和股票收益中的应用。
2019-04-15 econ.EM stat.ME
Estimation for Dynamic and Static Panel Probit Models with Large Individual Effects
对于离散面板数据，连续观测值之间的动态关系往往是感兴趣的。我们考虑了一个短面板数据的动态概率单位模型。估计感兴趣的动态参数的问题在于模型包含大量的讨厌参数，每个个体一个。Heckman建议使用动态参数的极大似然估计，然而，如果个体效应很大，则该估计效果不佳。我们建议新的估计的动态参数，基于假设的个人参数是随机的，可能很大。我们的估计的理论性质推导和模拟研究表明，他们有一些优势相比，Heckman的估计。
2014-09-27 math.ST stat.ME stat.TH
Empirical Bayes Estimation in Heterogeneous Coefficient Panel Models
Columbia University（哥伦比亚大学）；Institute for Fiscal Studies（财政研究所）；NBER（美国国家经济研究局）
本文提出了一种经验贝叶斯方法，用于估计异质系数面板模型中的随机截距、斜率和误差方差，通过Wasserstein-Fisher-Rao梯度流算法计算NPMLE，并利用实际数据验证了该方法在减少预测误差方面的有效性。
2026-02-11 econ.EM stat.ME
Robust Estimation and Inference in Panels with Interactive Fixed Effects
本文针对具有交互固定效应的面板回归，提出在弱因子情形下仍具一致有效性的去偏估计量和偏差感知置信区间，并通过极小极大线性估计与核范数界控制弱因子偏差，实验显示其在弱因子下显著优于传统方法。
2025-05-11 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
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
Inference for the panel ARMA-GARCH model when both $N$ and $T$ are large
针对大规模面板数据，提出面板 ARMA-GARCH 模型及两步估计法，证明了估计量的渐近正态性与偏差来源，并利用解析渐近或 jackknife 方法进行偏差修正。
2024-04-29 stat.ME
Factor-augmented Bayesian treatment effects models for panel outcomes
我们提出了一种新的，灵活的模型，用于推断二元治疗对后续时间段内观察到的连续结果的影响。该模型允许将由于治疗选择的内在联系与结果的额外纵向联系分开，从而对动态处理效应进行无偏估计。我们调查的性能模拟数据的方法，并采用它来重新分析数据的纵向影响的长期产假对母亲的收入后，他们返回劳动力市场。
2021-03-01 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
Quasi-Maximum Likelihood Estimation for a Genuinely Unbalanced Dynamic Network Panel Data Model
Xiamen University（厦门大学）
本文提出了一种用于真实不平衡动态网络面板数据模型的准最大似然估计方法，并通过蒙特卡罗实验验证了其在有限样本下的性能。
2025-12-31 stat.AP stat.ME
