[论文解读] Dynamic Panel Logit Models with Fixed Effects
本文提出了一种系统化方法，用于构建带固定效应的动态面板Logit模型中的矩条件，使得在比以往认识到的更广泛模型类别中，能够实现对共同参数的根n估计。该方法扩展了Bonhomme（2012）的研究，并推广了Kitazawa（2013, 2016）的矩条件，基于GMM估计量在模拟和劳动力参与的实证应用中表现出色。
This paper builds on Bonhomme (2012) to develop a method to systematically construct moment conditions for dynamic panel data logit models with fixed effects. After introducing the moment conditions obtained in this way, we explore their implications for identification and estimation of the model parameters that are common to all individuals, and we find that those common model parameters are estimable at root-$n$ rate for many more dynamic panel logit models than has been appreciated by the existing literature. In the case where the model contains one lagged variable, the moment conditions in Kitazawa (2013, 2016) are transformations of a subset of ours. A GMM estimator that is based on the moment conditions is shown to perform well in Monte Carlo simulations and in an empirical illustration to labor force participation.
研究动机与目标
- 通过系统化构建带固定效应的动态面板Logit模型的矩条件，扩展Bonhomme（2012）的研究。
- 研究在这些矩条件下，共同模型参数的识别与估计性质。
- 证明利用所提出的矩条件，对共同参数的根n估计在比以往公认的更多动态面板Logit模型中是可行的。
- 将所提出的矩条件与现有方法（包括Kitazawa（2013, 2016））进行比较。
- 通过模拟和实证应用，评估基于新矩条件的GMM估计量的有限样本表现。
提出的方法
- 基于Bonhomme（2012）的框架，系统推导带固定效应的动态面板Logit模型的矩条件。
- 构建对个体特定效应不变且针对Logit链接函数量身定制的矩条件。
- 应用广义方法矩（GMM）估计使用推导出的矩条件的个体间共有的参数。
- 证明所推导的矩条件广义化并包含了Kitazawa（2013, 2016）的矩条件作为特例。
- 采用蒙特卡洛模拟评估基于新矩条件的GMM估计量的有限样本表现。
- 通过劳动力参与的实证示例，验证该方法的实际应用价值。
实验结果
研究问题
- RQ1能否为带固定效应的动态面板Logit模型系统化构建矩条件，以实现对共同参数的一致估计？
- RQ2在哪些类别的动态面板Logit模型中，可利用所提出的矩条件实现对共同参数的根n估计？
- RQ3所提出的矩条件与Kitazawa（2013, 2016）的矩条件之间有何关系？是否实现了广义化？
- RQ4基于新矩条件的GMM估计量的有限样本表现如何？
- RQ5所提出的方法在实证应用（如劳动力参与）中是否能产生可靠的估计结果？
主要发现
- 所提出的矩条件使得在比以往认识到的更广泛类别的动态面板Logit模型中，能够实现对共同参数的根n估计。
- 推导出的矩条件广义化了Kitazawa（2013, 2016）的矩条件，后者被证明是所提条件的一个子集。
- 蒙特卡洛模拟表明，基于新矩条件的GMM估计量在有限样本中表现良好。
- 对劳动力参与的实证应用表明，所提出方法具有实际相关性和稳健性。
- 该方法在复杂动态结构和固定效应的模型中，也确立了共同参数的识别与估计可行性。
更好的研究，从现在开始
从论文设计到论文写作，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。