کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7547211 1489727 2018 19 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Empirical likelihood based inference for fixed effects varying coefficient panel data models
ترجمه فارسی عنوان
استنتاج مبتنی بر احتمال تجربی برای اثرات ثابت متغیرهای مدل داده پانل ضریب
کلمات کلیدی
ترجمه چکیده
در این مقاله استنتاج مبتنی بر احتمال مبتنی بر تجربی برای مدل داده های پنل متغیر غیر پارامتری با اثرات ثابت مورد بررسی قرار گرفته است. اولا، ما نشان می دهیم که نسبت احتمال تقریب ناپذیری، تقریبا یکسان است. این نسبت به طور غیرمستقیم خودسنجی است و برآورد پلاگین واریانس محدودیت مورد نیاز نیست. دوم، معیارهای اصلاح شده و مقادیر تجربی تجربی ثابت شده است. منافع اصلی این تکنیک ها این است که بدون کم رنگ کردن، هر دو دارای توزیع های محدود استاندارد تراشه مربع هستند. به عنوان یک محصول، ما همچنین دو ارزیابی حداکثر احتمال از مدل های ضریب متغیر و مشتقات آنها را پیشنهاد می کنیم. ما همچنین توزیع آرمپتوتیکی این برآوردگاران را به دست می آوریم. علاوه بر این، یک نسخه غیر پارامتری قضیه ویلک مشتق شده است. برای نشان دادن امکان سنجی روش و تجزیه و تحلیل خواص نمونه کوچک آن، با استفاده از استنتاج مبتنی بر احتمال مبتنی بر تجربی، یک روش شبیه سازی مونت کارلو را اجرا می کنیم و همچنین تکنیک پیشنهادی را در یک تحلیل تجربی در مورد بازده تولید شرکت های اتحادیه اروپا نشان دادیم.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات ریاضیات کاربردی
پیش نمایش مقاله
استنتاج مبتنی بر احتمال تجربی برای اثرات ثابت متغیرهای مدل داده پانل ضریب
چکیده انگلیسی
In this paper local empirical likelihood-based inference for non-parametric varying coefficient panel data models with fixed effects is investigated. First, we show that the naive empirical likelihood ratio is asymptotically standard chi-squared when undersmoothing is employed. The ratio is self-scale invariant and the plug-in estimate of the limiting variance is not needed. Second, mean-corrected and residual-adjusted empirical likelihood ratios are proposed. The main interest of these techniques is that without undersmoothing, both also have standard chi-squared limit distributions. As a by product, we propose also two empirical maximum likelihood estimators of the varying coefficient models and their derivatives. We also obtain the asymptotic distribution of these estimators. Furthermore, a non parametric version of the Wilk's theorem is derived. To show the feasibility of the technique and to analyse its small sample properties, using empirical likelihood-based inference we implement a Monte Carlo simulation exercise and we also illustrated the proposed technique in an empirical analysis about the production efficiency of the European Union's companies.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Statistical Planning and Inference - Volume 196, August 2018, Pages 144-162
نویسندگان
, ,