MAPress
مقاله استنتاج قوی در مدلهای داده پانل: برخی از اثرات ناهمگونی و داده های اهرمی در نمونه های کوچک

مقاله استنتاج قوی در مدلهای داده پانل: برخی از اثرات ناهمگونی و داده های اهرمی در نمونه های کوچک

تگ‌ها: Computation Econometrics اقتصاد سنج محاسبه

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Robust Inference in Panel Data Models: Some Effects of Heteroskedasticity and Leveraged Data in Small Samples
عنوان مقاله به فارسی مقاله استنتاج قوی در مدلهای داده پانل: برخی از اثرات ناهمگونی و داده های اهرمی در نمونه های کوچک
نویسندگان Annalivia Polselli
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 33
دسته بندی موضوعات Econometrics,Computation,اقتصاد سنج , محاسبه ,
توضیحات Submitted 29 December, 2023; originally announced December 2023.
توضیحات به فارسی ارسال شده 29 دسامبر 2023 ؛در ابتدا دسامبر 2023 اعلام شد.

چکیده

With the violation of the assumption of homoskedasticity, least squares estimators of the variance become inefficient and statistical inference conducted with invalid standard errors leads to misleading rejection rates. Despite a vast cross-sectional literature on the downward bias of robust standard errors, the problem is not extensively covered in the panel data framework. We investigate the consequences of the simultaneous presence of small sample size, heteroskedasticity and data points that exhibit extreme values in the covariates ('good leverage points') on the statistical inference. Focusing on one-way linear panel data models, we examine asymptotic and finite sample properties of a battery of heteroskedasticity-consistent estimators using Monte Carlo simulations. We also propose a hybrid estimator of the variance-covariance matrix. Results show that conventional standard errors are always dominated by more conservative estimators of the variance, especially in small samples. In addition, all types of HC standard errors have excellent performances in terms of size and power tests under homoskedasticity.

چکیده به فارسی (ترجمه ماشینی)

با نقض فرض همجنسگرا ، حداقل برآوردگرهای مربع از واریانس ناکارآمد می شوند و استنباط آماری انجام می شود که با خطاهای استاندارد نامعتبر انجام می شود ، منجر به گمراه کننده نرخ رد می شود.علیرغم ادبیات گسترده مقطعی در مورد تعصب رو به پایین خطاهای استاندارد استاندارد ، این مشکل به طور گسترده در چارچوب داده های پانل پوشش داده نمی شود.ما عواقب حضور همزمان اندازه نمونه کوچک ، ناهمگونی و نقاط داده را که مقادیر شدید در متغیرها ("نقاط اهرم خوب") را بر استنتاج آماری نشان می دهد ، بررسی می کنیم.با تمرکز بر روی مدلهای داده پانل خطی یک طرفه ، ما خصوصیات نمونه بدون علامت و محدود از یک باتری از برآوردگرهای سازگار با ناهمگونی را با استفاده از شبیه سازی مونت کارلو بررسی می کنیم.ما همچنین یک برآوردگر ترکیبی از ماتریس واریانس کواریانس پیشنهاد می کنیم.نتایج نشان می دهد که خطاهای استاندارد معمولی همیشه توسط برآوردگرهای محافظه کارانه تر از واریانس ، به ویژه در نمونه های کوچک حاکم است.علاوه بر این ، انواع خطاهای استاندارد HC از نظر اندازه و تست های قدرت تحت Homoskedasticity عملکردهای بسیار خوبی دارند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.