.png){kind=icon}
返回
Kernel estimation for panel data with heterogeneous dynamics
.png){kind=icon}
OA
AI
DOI：10.1093/ectj/utz019.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了面板数据的非参数核平滑估计，以检查跨横截面单元的异质性程度。我们首先估计每个单位的样本均值，自协方差和自相关，然后应用内核平滑来计算其密度函数。核估计器对带宽的依赖性使高阶渐近偏差会影响横截面样本大小 (N) 和时间序列长度 (T) 的相对大小的所需条件。特别是，它使N和T上的条件比在没有核平滑的长面板文献中通常观察到的条件更强且更复杂。我们还考虑了一种分裂的折刀方法来校正偏差和构造置信区间。一个经验应用程序说明了我们的程序。
Keyword:
Autocorrelation
density estimation
heterogeneity
incidental parameter
jack-knife
kernel smoothing
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7
论文数:
565
被引数:
2.3K
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏分享收藏
查看更多内容