Nonparametric and semiparametric me

Nonparametric and semiparametric methods allow for the es-
timation of panel data models that impose relatively few as-
sumptions. This flexibility has made these methods increasingly

popular among applied researchers. An early paper by Li and Sten-
gos (1996) proposes a method for estimating a fixed effects panel

data model that uses standard methods for estimating nonpara-
metric additive models such as the marginal integration method of

Linton and Nielsen (1995) or a backfitting method such as in Op-
somer and Ruppert (1997) or Mammen et al. (1999). However, this

method does not take full advantage of the structure of the model,

and several more recent papers introduce methods that use more

of this structure. Baltagi and Li (2002) propose a method that uses a

series approximation to estimate the regression function. Hender-
son et al. (2008) introduce an iterative nonparametric kernel esti-
mator and conjecture its asymptotic distribution. This conjecture

is confirmed in Li and Liang (2015).

At the same time, parametric dynamic panel models, which al-
low for the inclusion of lagged dependent variables as regressors,

are also becoming more popular. Dynamic panel models are useful

ผลลัพธ์ (ไทย) 1:

วิธี nonparametric และ semiparametric ทำให้ es-timation รุ่นแผงข้อมูลที่กำหนดเป็นค่อนข้างน้อย-sumptions ความยืดหยุ่นนี้ทำวิธีเหล่านี้มากขึ้นโรงแรมยอดนิยมในหมู่นักวิจัยใช้ กระดาษเป็นต้นโดยหลี่ Sten-gos (1996) เสนอวิธีการประเมินผลถาวรแผงแบบจำลองข้อมูลที่ใช้วิธีการมาตรฐานสำหรับการประเมิน nonpara-รุ่นสามารถวัดเช่นวิธีการรวมกำไรLinton และนีล (1995) หรือ backfitting วิธีเช่น Op-somer และ Ruppert (1997) หรือ Mammen et al. (1999) อย่างไรก็ตาม นี้วิธีใช้ประโยชน์โครงสร้างของรูปแบบและล่าสุดเอกสารหลายแนะนำวิธีการที่ใช้เพิ่มเติมโครงสร้างนี้ Baltagi และ Li (2002) เสนอวิธีการที่ใช้เป็นประมาณชุดประเมินการทำงานถดถอย Hender-สนและ al. (2008) แนะนำ esti เคอร์เนลซ้ำ nonparametric การ-mator และคาดคะเนของกระจาย asymptotic ข้อความคาดการณ์นี้ยืนยันในหลี่เหลียง (2015)ที่เดียวกันเวลา พาราเมตริกแบบแผงรูปแบบ อัลที่-ต่ำสุดสำหรับการรวมของ lagged ขึ้นอยู่กับตัวแปรเป็น regressorsยังกลายเป็นนิยมมากขึ้น แบบจำลองแบบไดนามิกแผงมีประโยชน์

ผลลัพธ์ (ไทย) 2:

วิธีการ nonparametric semiparametric และอนุญาตให้มีการ es-
Timation ของรูปแบบข้อมูลแผงที่กำหนดจำาค่อนข้างน้อย
sumptions ความยืดหยุ่นนี้ทำให้วิธีการเหล่านี้มากขึ้นความนิยมในหมู่นักวิจัยประยุกต์ กระดาษต้นลี่และ Sten- GOS (1996) เสนอวิธีการในการประเมินผลการแก้ไขแผงรูปแบบข้อมูลที่ใช้วิธีการมาตรฐานสำหรับการประเมินnonpara- รุ่นสารเติมแต่งตัวชี้วัดดังกล่าวเป็นวิธีการรวมส่วนเพิ่มของลินตันและนีลเส็น (1995) หรือ backfitting วิธีการดังกล่าวในขณะที่ Op- Somer และ Ruppert (1997) หรือ Mammen et al, (1999) แต่นี้วิธีการที่ไม่ได้ใช้ประโยชน์จากโครงสร้างของรูปแบบ, และเอกสารหลายเมื่อเร็ว ๆ นี้แนะนำวิธีการที่ใช้มากขึ้นของโครงสร้างนี้ Baltagi และหลี่ (2002) เสนอวิธีการที่ใช้ประมาณชุดที่จะประเมินฟังก์ชั่นการถดถอย Hender- ลูกชาย et al, (2008) แนะนำเคอร์เนล nonparametric ซ้ำ esti- Mator และคาดเดาการกระจาย asymptotic ของ การคาดเดานี้ได้รับการยืนยันในหลี่เหลียงและ (2015). ในขณะเดียวกันรูปแบบแผงแบบไดนามิกตัวแปรซึ่งอัลต่ำสำหรับการรวมของ lagged ตัวแปรตามเป็น regressors, ยังเป็นที่นิยมมากขึ้น รุ่นแผงแบบไดนามิกที่มีประโยชน์

ผลลัพธ์ (ไทย) 3:

และวิธีการให้ตัว semiparametric ES -
timation ของแผงข้อมูลรุ่นที่กำหนดค่อนข้างน้อย --
sumptions . ความยืดหยุ่นนี้ทำให้วิธีการเหล่านี้มากขึ้น

ที่นิยมในหมู่นักวิจัยประยุกต์ . ต้นและกระดาษโดยหลี่ฟัง -
โก ( 1996 ) ได้เสนอวิธีการแก้ไขผลแผง

ข้อมูลแบบจำลองที่ใช้วิธีการมาตรฐานสำหรับการประมาณ nonpara -
การบวกเมตริกโมเดล เช่น โดยบูรณาการวิธี

และลินตัน นีลเซ่น ( 1995 ) หรือ backfitting วิธีเช่นใน OP -
Somer และ Ruppert ( 1997 ) หรือ mammen et al . ( 1999 ) อย่างไรก็ตาม วิธีนี้

ไม่ได้ใช้ประโยชน์จากโครงสร้างของแบบ

และหลายมากขึ้นล่าสุดเอกสารแนะนำวิธีการที่ใช้มากกว่า

ของโครงสร้างนี้ baltagi และ Li ( 2002 ) เสนอวิธีที่ใช้

ชุดประมาณการประมาณฟังก์ชันการถดถอย มือ -
ลูกชาย et al . ( 2008 ) แนะนําตัวเคอร์เนลของเจ้า -
Mator และการคาดเดาของแหล่งการกระจาย นี้ได้รับการยืนยันในการคาดเดา

และหลี่เหลียง ( 2015 ) .

ในเวลาเดียวกัน รูปแบบแผงแบบพาราเมตริก ซึ่งอัล -
ต่ำสำหรับการล่าช้าตัวแปรเป็น regressors

,จะกลายเป็นที่นิยมมากขึ้น แบบไดนามิกมีประโยชน์
แผง