Identification and estimation in panel models with overspecified number of groups
Identification and estimation in panel models with overspecified number of groups
复制标题
具有过度指定组数的面板模型中的识别和估计
DOI：
10.1016/j.jeconom.2019.09.008
复制
发表时间：
2020-04
影响因子：
6.3
通讯作者：
Zhou Qiankun
中科院分区：
文献类型：
--
作者：
Liu Ruiqi;Shang Zuofeng;Zhang Yonghui;Zhou Qiankun
本文提出了一种简单、快速的方法，利用m估计方法来识别和估计面板模型中的未知群结构。我们考虑线性和非线性面板模型，其中回归系数在组间是异质的，但在组内是均匀的，并且研究人员不知道组成员。本文的主要结果是，在一定的假设条件下，只要估计中使用的组数不小于真实的组数，我们的方法就能够提供一致的估计。我们还证明，我们的方法可以渐近地将一些真群划分为进一步的子群，但不能混合来自不同群的单位。当使用真实的组数进行估计时，所有的单元都能被正确分类，其概率接近于1，并建立了组参数估计量的极限分布。此外，我们还提供了一个选择组数的信息准则，并在一定的温和条件下建立了选择准则的一致性。通过蒙特卡罗仿真验证了该方法的有限样本性能。仿真结果证实了本文的理论结果。对两个真实数据集的应用也强调了在模型中考虑个体异质性和群体异质性的必要性。(C) 2019 Elsevier B.V.版权所有
We propose a simple and fast approach to identify and estimate the unknown group structure in panel models by adapting the M-estimation method. We consider both linear and nonlinear panel models where the regression coefficients are heterogeneous across groups but homogeneous within a group and the group membership is unknown to researchers. The main result of the paper is that under certain assumptions, our approach is able to provide uniformly consistent estimation as long as the number of groups used in estimation is not smaller than the true number of groups. We also show that, asymptotically, our method may partition some true groups into further subgroups, but cannot mix units from different groups. When the true number of groups is used in estimation, all units can be categorized correctly with probability approaching one, and we establish the limiting distribution for the estimators of the group parameters. In addition, we provide an information criterion to select the number of groups, and establish the consistency of the selection criterion under some mild conditions. Monte Carlo simulations are conducted to examine the finite sample performance of the proposed method. The findings in the simulation confirm our theoretical results in the paper. Applications to two real datasets also highlight the necessity to consider both individual heterogeneity and group heterogeneity in the model. (C) 2019 Elsevier B.V. All rights reserved.
登录
查看更多内容
DOI：
--
发表时间：
2015
期刊：
--
影响因子：
--
作者：
Lisa-Ann Kirkland;F. Kanfer;S. Millard
通讯作者：
Lisa-Ann Kirkland;F. Kanfer;S. Millard
DOI：
10.1017/cbo9780511607547.013
发表时间：
2005-10
期刊：
Yale: Cowles Foundation Working Papers
影响因子：
--
作者：
M. Arellano;J. Hahn
通讯作者：
M. Arellano;J. Hahn
DOI：
10.1080/01621459.1997.10473997
发表时间：
1997-06
影响因子：
3.7
作者：
C. Hsiao;A. K. Tahmiscioglu
通讯作者：
C. Hsiao;A. K. Tahmiscioglu
DOI：
10.2139/ssrn.572783
发表时间：
2004-08
期刊：
CESifo Working Paper Series
影响因子：
--
作者：
C. Hsiao;M. Pesaran
通讯作者：
C. Hsiao;M. Pesaran
DOI：
--
发表时间：
1962
期刊：
Yale: Cowles Foundation Working Papers
影响因子：
--
作者：
J. Mincer
通讯作者：
J. Mincer