线性分位数面板模型中的识别
Identification in Linear Quantile Panel Models
- Boston College（波士顿学院）
- Harvard University（哈佛大学）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
本文研究时间期数固定且较小时，具有不受限制的个体异质性的线性分位数面板模型的识别问题，通过施加严格外生性条件，允许扰动项任意相关，为模型识别提供理论依据。
AI中文摘要：
本文研究了当时间期数固定且较小时，具有不受限制的个体异质性的线性分位数面板模型中的识别问题。我们施加严格外生性，即条件分位数限制在给定个体完整的回归变量历史和潜在个体效应下成立，但除此之外允许扰动项在时间上任意相关。
英文摘要：
This paper studies identification in linear quantile panel models with unrestricted individual heterogeneity when the number of time periods is fixed and small. We impose strict exogeneity, whereby the conditional quantile restriction holds given the individual's complete regressor history and latent individual effect, but otherwise allow the disturbances to be arbitrarily dependent over time.
