2018年 11月22日中午12时30分，由中国人民大学经济学院主办，数量经济学教研室负责的数量经济学Seminar在明主729进行。来自上海纽约大学的Ryo Okui副教授做了题为《Kernel Estimation for Panel Data with Heterogeneous Dynamics》的报告。本次报告的成果由他和Takahide Yanagi合作完成。

Ryo Okui为上海纽约大学副教授、宾夕法尼亚大学博士，曾任教于香港科技大学与京都大学，研究方向为计量经济学理论与应用，他的研究发表于 Econometrica、Review of Economic Studies、Journal of Econometrics、Econometric Theory、Journal of Applied Econometrics等知名国际期刊。

Ryo Okui副教授在报告中提出了面板数据的nonparametric kernel-smoothing估计，以检验横截面单元的异质性程度。他首先将报告中的模型与传统的模型法方做了简单的比较，指出该估计方法不受模型的限制、易于实现等的优点，能够直观地理解异质性的特性。在估计方法上，首先需要估计出每个单元的样本均值，自协方差和自相关，然后应用kernel smoothing来计算这些参数的密度和累积分布函数估计值。并且他进一步指出当横截面和时间序列样本大小趋于无穷大时，该方法得到的核估计量是一致且渐近正态。另外，他建议使用jackknife方法来减轻在估计中因偶然参数问题和核函数的非线性出现的偏差，并且还基于渐近属性发展了带宽选择方法和bootstrap推断。并且Ryo Okui副教授使用了美国价格动态和蒙特卡罗模拟说明估计方法的可靠性。在最后，他还对估计方法的假设做了进一步的说明。

本次Seminar由马骏博士主持，经济学院赵国庆教授、韩松教授、江艇副教授以及章永辉博士，英国剑桥大学教授，中国人民大学统计与大数据研究院特聘教授Oliver Linton教授，以及数名数量经济学、西方经济学、产业经济学专业的博士生和硕士生参加了此次Seminar，并在会后对该方法的估计过程、应用情况和假设进行了热烈的讨论。

编辑：杨菲；核稿：陆美贺; 供稿：习媛杰