计量经济学

经济计量学会杂志

国际经济促进会
理论与统计和数学的关系

编辑:Guido W.Imbens•打印ISSN:0012-9682•在线ISSN:1468-0262

计量经济学:2016年11月,第84卷,第6版

识别面板数据中的潜在结构

https://doi.org/10.3982/ECTA12560
第2215-2264页

苏良军,史振涛,彼得·菲利普斯

本文提出了一种利用惩罚技术识别和估计面板数据中潜在群结构的新机制。我们考虑线性和非线性模型,其中回归系数在组之间是异质的,但在组内是同质的,并且组成员身份未知。对于无内生回归变量的一般非线性模型,有两种方法被认为是惩罚轮廓似然(PPL)估计,而对于具有内生性的线性模型,则有两种是惩罚GMM估计。在这两种情况下,我们开发了一种新的Lasso变体,称为分类器Lasso(C‐Lasso),用于将单个系数收缩为未知的组特定系数。C‐Lasso在一个步骤中实现了同时分类和一致性估计,并且分类显示了一致一致性的理想特性。对于PPL估计,C‐Lasso还实现了oracle属性,因此特定于组的参数估计量与使用单个组身份信息的不可行估计量渐近等价。对于PGMM估计,在某些特殊情况下保留了C‐Lasso的oracle属性。仿真结果表明,该方法在分类和估计方面都具有良好的有限样本性能。给出了线性和非线性模型的经验应用。


登录以查看完整内容

补充材料

补充“识别面板数据中的潜在结构”

这个zip文件包含手稿的复制文件。

补充“识别面板数据中的潜在结构”

本附录由四部分组成。S1节包含一些技术引理的证明,用于证明第2节中的主要结果。S2节给出了线性面板数据模型中PPL和PGMM估计的偏差修正公式。第S3节和第S4节分别包含一些额外的模拟和应用结果。

期刊新闻

查看