One-step robust estimation of fixed-effects panel data models

مدل های رگرسیون پانل داده ها اغلب برای داده های سطح میکرو استفاده می شوند که اغلب از آلودگی داده ها، مشاهدات اشتباه یا ناهمگونی ناخواسته رنج می برند. علیرغم اثرات نامطلوب بر روی روش های برآورد کلاسیک، تنها چند روش برآورد دقیق در دسترس برای داده های پانل اثرات ثابت وجود دارد. بنابراین پیش بینی برآورد جدید بر اساس دو تحول داده های مختلف پیشنهاد شده است. با توجه به چندین روش برآورد قوی که به داده های تبدیل شده اعمال می شود، خواص قوی و صریح برآوردگرهای پیشنهادی، از جمله نقاط شکست و توزیع های مربوطه، مشتق می شوند. عملکرد محدود نمونه از روش های موجود و پیشنهادی با استفاده از شبیه سازی مونت کارلو مقایسه شده است.