Nonlinear-Regression
附帶參數問題
我一直在努力理解附帶參數問題的真正本質。我曾多次讀到，非線性面板數據模型的固定效應估計量可能會因為“眾所周知的”附帶參數問題而嚴重偏差。
當我要求對這個問題進行明確解釋時，典型的答案是：假設面板數據在 T 個時間段內有 N 個個體。如果 T 是固定的，則隨著 N 的增長，協變量估計值會出現偏差。這是因為隨著 N 的增加，有害參數的數量會迅速增加。
我將不勝感激
- 更精確但仍然簡單的解釋（如果可能）
- 和/或我可以使用 R 或 Stata 解決的具體示例。
在類型的 FE 模型中
是附帶參數，因為從理論上講，它是次要的。通常，是重要的參數，從統計學上講。但本質上， 很重要，因為它提供了有關單個攔截的有用信息。 大多數面板都很短，即T相對較小。為了說明附帶參數問題，我將忽略為簡單起見。所以模型現在是：
因此，通過使用均值方法的偏差，我們有- 這就是我們可以得到的. 讓我們來看看估計:
你可以看到，如果 T 是“大”，那麼術語消失，但是，如果 T 很小（大多數面板都是這種情況），那麼估計會不一致。這使得 FE 估計量不一致。
原因通常是一致的，因為通常 N 確實足夠大，因此具有所需的漸近要求。
請注意，例如在空間面板中，情況正好相反——T 通常被認為足夠大，但 N 是固定的。所以漸近線來自 T。因此在空間面板中你需要一個大的 T！
希望它以某種方式有所幫助。