Fisher's combined probability test for cross-sectional independence in panel data models with serial correlation
针对面板数据截面独立性检验在序列相关下对稀疏备择假设功效低的问题,提出基于相关性平方最大值的检验及合并p值的组合检验,在密集和稀疏备择下均表现优异。
2023-09-15 stat.ME
Inference for Forecasting Accuracy: Pooled versus Individual Estimators in High-dimensional Panel Data
Aarhus University(奥胡斯大学);Maastricht University(马斯特里赫特大学);Ruhr-Universität Bochum(波鸿鲁尔大学)
本文提出了一种新的推断方法,用于比较面板数据中池化与个体估计器的预测性能,通过建立置信区间并验证其渐近有效性,以解决高维面板数据中的估计权衡问题。
2025-12-17 econ.EM math.ST 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
The Value of A Statistical Life in Absence of Panel Data: What can we do?
在本文中,我将展示如何可靠的估计值的统计生活(VSL)可以使用横截面数据使用加隆的工具变量(IV)的方法。通过使用风险态度代理,可以将IV设置引起的范围置信区间的增加减少3倍。为了说明横截面VSL估计的“精度”,我使用智利面板数据估计VSL,并将其用作不同横截面规格的基准。代理的使用消除了需要使用难以找到的工具的工作风险水平,并缩小了2009年智利劳动力市场的工人的置信区间。
2016-03-02 q-fin.RM stat.AP
Eigenvalue-Based Randomness Test for Residual Diagnostics in Panel Data Models
University College London(伦敦大学学院);Corvinus University of Budapest(布达佩斯考文纽斯大学);HUN-REN Wigner Research Centre for Physics(匈牙利研究网络维格纳物理研究中心)
本文提出基于特征值的随机性检验(EBR)测试,利用随机矩阵理论中的Tracy-Widom定律,用于面板数据模型残差分析,能同时检测多种假设,适用于检测线性和非线性依赖问题。
2025-04-07 econ.EM stat.AP stat.CO
Saddlepoint approximations for spatial panel data models
我们开发了新的高阶渐近技术的高斯最大似然估计的空间面板数据模型,固定效应,随时间变化的协变量,和空间相关的错误。我们的鞍点密度和尾面积近似功能相对误差的顺序$O(1/(n(T-1)))$与$n$的横截面尺寸和$T$的时间序列尺寸。主要的理论工具是倾斜-埃奇沃思技术在一个非同分布的设置。密度近似总是非负的,不需要重新计算,并且在尾部是精确的。密度近似的Monte Carlo实验和测试中存在的冗余参数说明了我们的近似一阶渐近和Edgeworth展开的良好性能。对OECD(经济合作与发展组织)国家投资-储蓄关系的实证分析表明,基于一阶渐近性和鞍点技术的检验结果存在差异。
2021-07-12 econ.EM math.ST 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
Inference without smoothing for large panels with cross-sectional and temporal dependence
本文讨论了在大面板数据模型中,同时存在未知形式的横截面和时间相关的推断问题。我们有兴趣作出推论,不依赖于任何平滑参数的选择,因为是经常采用的“HAC”估计的协方差矩阵的情况下。为此,我们提出了一个集群估计的渐近协方差的估计和有效的自助方案,不需要选择的带宽或平滑参数,并容纳非参数性质的时间和横截面的依赖。我们的方法是基于这样的观察,即固定效应面板数据模型的谱表示是这样的,误差变得近似时间不相关。我们提出的自举方案可以被视为在频域中的野生自举。我们提出了一些蒙特卡罗模拟,以阐明我们的推理过程的小样本性能。
2020-06-25 econ.EM math.ST stat.TH
Block Length Choice for the Bootstrap of Dependent Panel Data -- a Comment on Choi and Shin (2020)
Choi和Shin(2020)构建了一个基于Bootstrap的测试,用于测试具有时间和/或横截面依赖性的面板中的变点。他们将他们的测试与其他几个提议的测试进行了比较。我们证明,通过适当的数据自适应选择块长度,Sharipov,Tewes,Wendler(2016)的变点检验至少可以处理轻度的时间依赖性,该检验的大小失真不像Choi和Shin(2020)所声称的那样严重。
2021-03-22 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
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
Introducing Super Pseudo Panels: Application to Transport Preference Dynamics
Technical University of Denmark(丹麦技术大学)
我们提出了一种新的方法来构建合成的伪面板数据的横截面数据。伪面板和它打算描述的偏好是在个人层面上构建的,不受跨队列的聚合偏差的影响。这是通过创建整个数据集的高维概率模型表示来实现的,这允许以保留原始数据的所有固有相关性的方式从概率模型中进行采样。关键是使用基于条件变分自动编码器(CVAE)框架的深度学习算法。从建模的角度来看,一个基于模型的research的概念创造了一些机会,数据可以被组织和构建,以满足非常具体的需求,其中异构伪面板的形成代表一个。在这方面,优点是能够用严重的聚合偏差(当聚合成群组时)来换取非系统性的噪声干扰。此外,该方法可以探索高维稀疏偏好分布及其与个体特定特征的联系,这是不可能的,如果应用传统的伪面板方法。我们使用所提出的方法来揭示一个固定的伪面板的个人的基础上,涵盖了从2006年到2016年期间的大型丹麦横截面数据集的交通偏好的动态。该模型还被用来分类个人到“慢”和“快”的移动者相对于他们的偏好随着时间的推移而变化的速度。研究发现,典型的快速移动是一个年轻的女人谁作为一个单身生活在一个大城市,而典型的缓慢移动是一个中年男子与高收入的核心家庭谁住在一个独立的房子外的城市。
2019-03-01 cs.LG stat.AP stat.ML
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
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
Goodness-of-Fit Testing for Groupwise Spherical Error Structures
Aarhus University(奥胡斯大学)
针对大型面板数据中分组球形误差结构假设过于严格的问题,本文提出基于极端特征值和随机矩阵理论的拟合优度检验方法,以评估偏离假设的实际相关性,并在有限样本中实现准确尺寸控制与良好功效。
2026-10-05 math.PR math.ST stat.TH
Covariate-Adjusted Deep Causal Learning for Heterogeneous Panel Data Models
University of Notre Dame(内布拉斯加大学)
本文提出协变量调整深度因果学习(CoDEAL),结合非线性协变量组件与多输出自编码器因子结构,以估计面板数据中的异质性处理效应,并通过矩阵补全实现反事实插补,理论保证收敛且实证表现优异。
2026-11-10 cs.LG econ.EM stat.ME
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
Empirical eigenvalue based testing for structural breaks in linear panel data models
线性面板数据模型的稳定性检验已成为统计学和计量经济学研究领域的一个重要课题。现有的方法通过检查公因子载荷的恒定性来检验均值/线性趋势的变化或检验协方差结构的突变。在这种情况下,当外部冲击导致面板数据的随机结构发生变化时,尚不清楚这种变化是否会反映在均值、协方差结构或两者中。在本文中,我们开发了一个测试的线性面板数据模型的结构稳定性,是基于监测的变化,在样本协方差阵的最大特征值。在面板数据横截面单位的均值和协方差结构在观测期内保持稳定的原假设下,建立了检验统计量的渐近分布。我们表明,该测试是一致的,假设常见的平均值或因子载荷的休息。通过蒙特卡罗模拟研究这些结果进行了研究,并证明了其有用性与美国国债收益率曲线数据的应用,其中一些有趣的特点,2007-2008年次贷危机的照明。
2015-11-01 stat.ME
Forecasting density-valued functional panel data
本文提出一种基于中心对数比变换和函数型方差分析分解的统计方法,用于预测由多个密度构成的函数型面板数据,并在美国51个州的生命表死亡人数预测中验证了其有效性。
2025-02-07 stat.ME
Efficient Bias Correction for Cross-section and Panel Data
该研究证明渐近线性的偏差校正方法对半参数高效参数估计量的高阶方差无影响,验证了自助法、刀切法等的渐近线性性,指出拆分样本刀切法高阶方差更大,为截面与面板数据的偏差校正方法选择提供理论依据。
2024-01-26 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
Power Enhancement in High Dimensional Cross-Sectional Tests
我们提出了一种新的技术,以提高测试一个高维向量$H:\btheta=0$对稀疏的替代品的原假设是违反只有一对夫妇的组件的权力。现有的测试基于二次型,如Wald统计往往遭受低功率由于估计高维参数的误差的积累。更强大的测试稀疏的替代品,如阈值和极值测试,另一方面,需要严格的条件或引导,以获得零分布,并经常遭受的大小失真,由于缓慢的收敛。基于一种筛选技术,我们引入了一个“功率增强分量”,它在原假设下以高概率为零,但在稀疏的替代方案下迅速发散。所提出的检验统计量结合了功率增强分量和渐近关键统计量,并增强了稀疏选择下的功率。零分布不需要严格的正则条件,完全由关键统计量的零分布决定。作为副产品,功率增强组件还一致地识别违反原假设的元素。作为具体应用,本文将所提出的方法应用于要素定价模型的检验和面板数据模型的截面独立性检验。
2014-08-16 stat.ME
Double Machine Learning meets Panel Data -- Promises, Pitfalls, and Potential Solutions
School of Business and Economics, University of Tübingen(蒂宾根大学商学院与经济学院)
本文研究如何将双重机器学习(DML)适配到面板数据以处理未观测异质性,发现基于相关随机效应方法的预测模型在DML中能在多种设定下获得准确估计,而多数替代方法表现受未观测异质性影响显著。
2024-09-02 cs.LG econ.EM stat.ME
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
Interpretable Neural Networks for Panel Data Analysis in Economics
Princeton University(普林斯顿大学);Penn State University(宾州州立大学)
缺乏可解释性和透明度阻碍了经济学家在实证研究中使用神经网络等先进工具。在本文中,我们提出了一类可解释的神经网络模型,可以实现高的预测精度和可解释性。该模型可以被编写为正则化的可解释特征数量的简单函数,这些特征是神经网络中编码的可解释函数的结果。研究人员可以根据任务的性质设计不同形式的可解释功能。特别是,我们在神经网络中编码了一类名为持续变化过滤器的可解释函数来研究时间序列横截面数据。我们应用该模型预测个人的每月就业状况使用高维行政数据。我们在测试集中实现了94.5%的准确率,这与表现最好的传统机器学习方法相当。此外,模型的可解释性使我们能够理解预测的机制:个人的就业状况与她是否支付不同类型的保险密切相关。我们的工作是克服神经网络黑箱问题的有益一步,并为经济学家研究管理和专有大数据提供了新的工具。
2020-11-29 cs.AI cs.LG econ.EM
Neyman's C(α) Test for Unobserved Heterogeneity
基于Neyman的$C(α)$方法,提出了参数统计模型中不可观测异质性检验的统一框架.这样的测试是不规则的,在这个意义上,一阶导数的对数似然相对于异质性参数是相同的零,因此,传统的Fisher信息的参数是零。然而,局部渐近最优性的$C(α)$测试可以建立通过LeCam的可微性在二次均值和极限实验方法。这导致了顺序为$n^{-1/4}$的局部替换。标量的情况下,结果已经从现有的文献中熟悉,我们将其扩展到多维的情况下。新的框架揭示了某些规则性条件通常采用在早期的发展是不必要的,即对称性或三阶矩条件施加在异质性分布。此外,多维情况下的极限实验表明,修改现有的测试斜率异质性的横截面和面板数据模型,导致功率的提高。由于$C(α)$框架不限于参数模型,并且检验统计量不依赖于异质性分布的特定选择,因此它适用于检验参数异质性的广泛应用。
2014-10-06 math.ST stat.TH
High-dimensional GARCH process segmentation with an application to Value-at-Risk
金融风险模型通常假设基础资产收益是固定的。然而,有强有力的证据表明,多变量金融时间序列不仅需要改变其序列内的依赖结构,而且在它们之间的横截面依赖。特别是,投资组合的压力风险价值(一种普遍采用的市场风险度量)无法充分衡量,除非在其估计中考虑此类结构性突变。我们提出了一种方法,用于一致检测多个变化点的高维Gestival面板数据集,其中每个Gestival过程及其相关性都允许随时间变化。我们证明了它在多个变化点估计的一致性,并通过模拟研究和实际数据集上的风险价值问题的应用表明其良好的性能。我们的方法是实现在R包segMGarch,可从CRAN。
2021-03-02 stat.ME
Early School Leaving in Spain: a longitudinal analysis by gender
本文首次利用2002—2020年西班牙面板数据,按性别分析早辍学的宏观经济决定因素,发现青少年生育率、移民、失业率及工业建筑业比重与早辍学正相关,且存在显著性别差异。
2024-06-07 econ.GN q-fin.EC stat.AP
Independence Test for High Dimensional Random Vectors
提出了一种新的高维随机向量相互独立性检验方法。检验统计量基于样本协方差阵的经验谱分布的特征函数。在零和局部备择假设下,检验统计量的渐近分布被确定为维数,并且数据的样本量具有可比性。我们应用这个检验来检验多个MA(1)和AR(1)模型,具有某些空间横截面结构的面板数据模型。此外,该方法还可以灵活地应用于非线性MA(1)模型、多MA(1)模型和Vandermonde矩阵等相关但不相关的结构。仿真结果提供了检测这些依赖结构。对纽约证券交易所(NYSE)多家公司收盘股价之间相关性的实证研究表明,股票市场普遍存在横截面相关性特征。
2012-05-30 math.ST stat.TH
Staleness Factors and Volatility Estimation at High Frequencies
Southeast University(东南大学);University of Science and Technology of China(中国科学技术大学)
本文提出考虑资产间普遍市场摩擦的滞后期因素模型,利用高频大数据推导回归系数、非平稳因素及其负荷参数的最大似然估计,通过局部主成分分析发现滞后期导致有效价格波动率低估,并提出偏倚校正估计方法。
2026-04-06 math.ST stat.TH