論文の概要: Estimating and Testing Kinks in Panel Data Models

• arxiv url: http://arxiv.org/abs/2608.07162v1
• Date: Fri, 07 Aug 2026 12:30:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.496222
• Title: Estimating and Testing Kinks in Panel Data Models
• Title（参考訳）: パネルデータモデルにおけるKingkの推定とテスト
• Abstract要約: カレンダー時間における係数ベクトルの連続的および断片的線形なパネルデータモデルについて検討する。 係数経路の2次差分に適応重み付き群罰則を適用する最小二乗推定器を提案する。 本稿では,マクロファイナンス,特に負債と成長の関係を応用した手法について説明する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many economic and financial relationships may change gradually rather than abruptly. We study panel data models in which the coefficient vector is continuous and piecewise linear in calendar time, with a finite number of unknown kink dates at which its slope changes. We propose a penalised least squares estimator that applies adaptive weighted group penalties to the second differences of the coefficient path, and develop asymptotic theory showing that it recovers both the number and the locations of the kinks with probability approaching one. To our knowledge, this is the first panel framework to estimate an unknown number of common kink dates in a time-varying coefficient path under fixed effects. We establish that endpoint slopes converge at the usual cubic regime-length rate and interior slopes at rates determined by their own and adjacent regime lengths. We also develop a coefficient-by-coefficient extension allowing individual regressors to kink at different dates. Monte Carlo evidence supports the good finite sample properties, and we illustrate the method through an application in macro-finance, specifically the relationship between debt and growth.
• Abstract（参考訳）: 多くの経済的・経済的関係は突然ではなく、徐々に変化する可能性がある。 本研究では,係数ベクトルがカレンダー時間で連続的かつ断片的に線形であるパネルデータモデルについて検討した。 係数パスの2次差分に適応重み付き群ペナルティを適用した最小二乗推定器を提案し、近づきの確率でキンクの数と位置の両方を復元することを示す漸近理論を開発した。 我々の知る限り、これは固定効果の下で時間変化係数経路で未知のコモン・キンク年代を推定する最初のパネル・フレームワークである。 終点斜面は通常の立方体構造長と内部斜面とで収束し, 自在および隣接状態長で決定される速度で収束することが確認された。 また,個々の回帰器が異なる日付でクリンクできる係数・バイ・係数拡張法を開発した。 モンテカルロの証拠は優れた有限標本特性を支持し、マクロファイナンス、特に負債と成長の関係を応用してこの手法を説明する。

関連論文リスト

• Attention in Krylov Space [0.14259046373656994]
  本稿では,短い接頭辞からLanczos係数を予測するトランスフォーマーモデルを提案する。 古典系と量子系の両方において、我々の機械学習モデルは、係数と物理観測可能な再構成の両方において適合する。 より小さなシステムでトレーニングし、より大きなシステムの係数を再学習せずに外挿するのに使用することができる。
  論文  参考訳（メタデータ） (2026-01-12T19:07:22Z)
• Nonparametric Partial Disentanglement via Mechanism Sparsity: Sparse Actions, Interventions and Sparse Temporal Dependencies [58.179981892921056]
  この研究は、メカニズムのスパーシティ正則化(英語版)と呼ばれる、アンタングルメントの新たな原理を導入する。 本稿では,潜在要因を同時に学習することで,絡み合いを誘発する表現学習手法を提案する。 学習した因果グラフをスパースに規則化することにより、潜伏因子を復元できることを示す。
  論文  参考訳（メタデータ） (2024-01-10T02:38:21Z)
• A U-turn on Double Descent: Rethinking Parameter Counting in Statistical Learning [68.76846801719095]
  二重降下がいつどこで起こるのかを正確に示し、その位置が本質的に閾値 p=n に結び付けられていないことを示す。 これは二重降下と統計的直観の間の緊張を解消する。
  論文  参考訳（メタデータ） (2023-10-29T12:05:39Z)
• Large Skew-t Copula Models and Asymmetric Dependence in Intraday Equity Returns [0.49157446832511503]
  スクリュー・トゥ・コプラモデル(英語版)は、非対称かつ極端なテール依存を可能にするため、財務データのモデリングに魅力的なものである。 Azzalini と Capitanio (2003) の skew-t 分布に暗黙的に表されるコプラは、2つの一般的な代替スキュー-t コプラよりも高レベルな対非対称依存を可能にすることを示す。 本稿では,高速かつ高精度なベイズ変分推論(VI)手法を提案する。
  論文  参考訳（メタデータ） (2023-08-10T13:24:45Z)
• Mining the Factor Zoo: Estimation of Latent Factor Models with Sufficient Proxies [29.737081616352913]
  我々は2つのアプローチを潜在因子モデル推定にブリッジすることを提案する。 我々は、潜在因子モデルの推定を堅牢で、柔軟で、統計的により正確にする。 ボーナスとして、要素数の増加も認められている。
  論文  参考訳（メタデータ） (2022-12-25T03:10:44Z)
• Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
  統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。 本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
  論文  参考訳（メタデータ） (2022-08-29T16:16:22Z)
• Modeling High-Dimensional Data with Unknown Cut Points: A Fusion Penalized Logistic Threshold Regression [2.520538806201793]
  従来のロジスティック回帰モデルでは、リンク関数は線形で連続であると見なされることが多い。 我々は、全ての連続した特徴が順序レベルに離散化され、さらにバイナリ応答が決定されるしきい値モデルを考える。 糖尿病のような慢性疾患の早期発見と予知の問題において,ラッソモデルが好適であることが判明した。
  論文  参考訳（メタデータ） (2022-02-17T04:16:40Z)
• TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
  時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。 本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。 本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
  論文  参考訳（メタデータ） (2022-02-07T21:37:29Z)
• Time varying regression with hidden linear dynamics [74.9914602730208]
  線形力学系に従って未知のパラメータが進化することを前提とした時間変化線形回帰モデルを再検討する。 反対に、基礎となる力学が安定である場合、このモデルのパラメータは2つの通常の最小二乗推定と組み合わせることで、データから推定できることが示される。
  論文  参考訳（メタデータ） (2021-12-29T23:37:06Z)
• Causal Expectation-Maximisation [70.45873402967297]
  ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。 我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。 我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
  論文  参考訳（メタデータ） (2020-11-04T10:25:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。