上海国际金融与经济研究院研究员、复旦大学经济学院鞠高升副教授论文Identifying latent grouped patterns in panel data models with interactive fixed effects于国际著名期刊Journal of Econometrics发表。
本论文研究了含交互固定效应的动态面板数据模型中潜在分组模式的识别。我们假定个体的模型系数在组内相同、在组间不同，并假设研究者不清楚个体属于哪个组。基于Su,Shi,and Philips (2016) 的C-Lasso方法，我们提出带惩罚的主成分估计方法。 给定正确的分组数，新方法可以同时识别个体组别和所在组的模型系数；而组的数目、因子个数，以及惩罚调整参数可以用贝叶斯信息准则确定。蒙特卡罗模拟显示该方法在有限样本中表现良好。我们应用新方法对中国70个大中型城市过去十年房价增长持续性的差异作了实证研究，识别得到了三个组。