长相依面板数据的斜率变点分析
金融面板数据往往同时存在结构变点,时间序列长相依以及横截面相依的现象.假设时间序列长度为T,个体数为N,斜率变化发生在所有个体的同一时刻,每个时间序列是长相依的(记忆参数d∈(0,0.5)),个体之间通过公因子结构而具有横截面的相依性.对于这种面板数据模型,用最小二乘的方法估计斜率变点发生的时刻以及发生时刻的分数,并研究了当(T,N)联合趋于无穷时估计量的渐近性质:估计量的相合性,收敛速度以及极限分布.得到了一些有趣的结论:大部分情况下斜率变点估计量的收敛速度随着记忆参数d的增大而减缓,但当面板数据的时间长度T和个体数N满足T2d=o(N),且公因子与变点的变化幅度存在交互效应时,变点时刻估计量的收敛速度仅与T有关.Monte Carlo模拟评估了估计量在有限样本情形下的表现,并支持文中的理论结果.
面板数据、长相依、斜率变点、最小二乘估计
37
O212.1(概率论与数理统计)
国家社会科学基金21BTJ067
2023-01-05(万方平台首次上网日期,不代表论文的发表时间)
共18页
379-396