具有交互效应的动态面板数据模型的改进Bootstrap推断

中文摘要 AI 辅助

我们研究了针对具有未观测共同因子、并通过共同相关效应估计的动态面板数据模型的递归设计野Bootstrap推断。在大N,T设定下，Bootstrap在纯自回归模型中再现了有偏的极限分布，但在包含额外回归元的模型中，尤其是在弱外生性条件下，未能捕捉全部偏差和因子估计方差成分。我们将此失败归因于在Bootstrap重复中保持回归元固定。我们提出将Bootstrap程序与现有的偏差校正方法相结合，以进行调整后的推断。蒙特卡洛证据表明，与使用偏差校正结合横截面Bootstrap方法的传统策略相比，该方法带来了实质性改进。

英文摘要

We study recursive-design wild bootstrap inference for dynamic panel data models with unobserved common factors estimated by Common Correlated Effects. In the large N,T setting, the bootstrap reproduces the biased limiting distribution in pure autoregressive models, but fails to capture all bias and factor-estimation variance components in models with additional regressors, particularly under weak exogeneity. We trace this failure to holding regressors fixed across bootstrap replications. We propose to combine bootstrap procedure with available bias-correction methods to conduct adjusted inference. Monte Carlo evidence shows substantial improvements over conventional strategies of using bias-correction paired with cross-sectional bootstrap methods.

发表机构

• Amsterdam School of Economics, University of Amsterdam（阿姆斯特丹经济学院，阿姆斯特丹大学）
• Tinbergen Institute（丁伯根研究所）
• BI Norwegian Business School（挪威BI商学院）

机构由 AI 辅助整理，请以论文原文为准。