Efficient Difference-in-Differences and Event Study Estimators
本文在异质性处理效应框架下推导了DiD与事件研究参数的半参数有效影响函数,提出易于计算的有效估计量,以最优利用预处理期和对照组,获得最紧置信区间并提升有限样本精度。
2025-06-21 econ.EM math.ST stat.TH
Generalized estimators using characteristics of Poisson distribution
在这篇文章中,我们提出了一个广义的估计类,指数类估计的基础上改编的Sharma和Singh(2015)和Solanki和Singh(2013)和简单的差异估计估计的情况下,泊松分布的人口在简单随机抽样不更换未知的人口的平均值。所提出的估计类的均方误差的表达式推导出一阶近似。结果表明,Solanki和Singh(2013)的适应版本,指数类估计量,总是比通常的估计量,比率,乘积,指数比率和指数乘积型估计量更有效,并且与简单差分估计量相同有效。此外,Sharma和Singh(2015)估计量的适应版本总是比文献中可用的所有估计量更有效。此外,理论研究结果的实证研究的支持,以显示优于其他土耳其地震数据的构造估计。
2015-02-09 math.ST stat.TH
Design-based Analysis in Difference-In-Differences Settings with Staggered Adoption
Stanford University(斯坦福大学)
本文研究了面板数据下平均处理效应的估计和推断。我们专注于单位的设置,例如,个人、公司或国家在某一特定时间点采取有关利益的政策或待遇,然后在此后的任何时候都暴露于这种待遇之下。我们采取设计的角度来看,我们调查的属性估计和程序的假设分配过程。我们证明了在随机分配的采用日期的标准双重差分法估计是一个无偏估计的一个特定的加权平均因果效应。我们刻画了这个估计量的性质,并证明了标准方差估计量是保守的。
2018-09-01 cs.LG econ.EM math.ST
Should We Adjust for the Test for Pre-trends in Difference-in-Difference Designs?
差异中差异(DiD)设计的常见做法是在处理分配之前检查平行趋势,但典型的估计和推断并不能解释该检验已经发生的事实。我分析了传统的DiD估计的属性条件已通过(即不拒绝)的测试并行预趋势。当DiD设计有效且预趋势检验证实了这一点时,典型的DiD估计量是无偏的,但传统的标准误差过于保守。此外,存在一种替代的无偏估计量,其在平行趋势下比传统的DiD估计量更有效。然而,当总体中存在非零前趋势但我们未能拒绝平行前趋势的假设时,DiD估计量通常相对于总体DiD系数有偏。此外,如果趋势是单调的,那么在合理的假设下,条件处理的偏倚会加剧相对于真实处理效应的偏倚。我提出了新的估计和推理程序,占并行趋势的测试,并比较其性能的传统估计的蒙特卡罗模拟。
2018-05-02 econ.EM math.ST stat.ME
Robust Inference for Convex Pairwise Difference Estimators
Princeton University(普林斯顿大学);UC Berkeley(加州大学伯克利分校);University of Warwick(华威大学)
针对凸成对差分估计量,本文发展了分布理论和基于自助法的推断方法,通过小带宽渐近理论、广义刀切去偏和调整带宽方差扭曲的自助法,实现了在更弱带宽条件下的有效推断。
2026-05-28 econ.EM math.ST stat.ME
A CLT for second difference estimators with an application to volatility and intensity
本文介绍了一个或多个连续时间半鞅点参数过程的二次协变估计的一般方法。该估计器适用于各种现货参数过程,也可用于估计随机波动率模型的杠杆效应。我们介绍的估计量是基于所观察到的过程的第二个差异的平方增量的总和,并且计算差异的间隔是滚动和重叠的。后一个特征使我们能够充分利用数据,并且从充分性考虑,应该优于仅基于观察窗口的一个分区的估计。本文的主要结果是这类三角形阵列滚动二次变分的中心极限定理。我们强调了这一定理的广泛适用性,展示了它如何可能被应用到一个新的杠杆效应估计。然而,本研究的主要动机是,连续时间半鞅被观察到的离散时间可能取决于可观察过程的特征,而不是其水平,例如其(不可观察的)现货波动率过程。作为我们的估计的主要应用程序,因此,我们展示了它如何可以用来估计现货波动率过程和强度过程的观测时间之间的二次协变,当这两个都采取了半鞅。通过模拟实验研究了该估计量的有限样本性质,并将其应用于苹果股票的实证分析。我们对苹果股票的分析表明,对数价格过程的现货波动率过程与该股票交易的时间(因此观察到)之间存在相当强的相关性。
2020-11-25 math.ST stat.ME stat.TH
A Sieve M-Estimator for Entropic Optimal Transport
Monash University(莫纳什大学)
本文提出了一种基于筛法的熵正则最优传输估计方法,通过构建有限维凸优化问题,实现了正则最优值和对偶最优解的可计算估计,并给出了统计保证。
2026-01-14 math.ST stat.TH
Variance estimation in nonparametric regression via the difference sequence method
考虑一个均值函数和方差函数均未知的高斯非参数回归问题。本文给出了方差函数的一类基于差分的核估计。最佳的收敛速度是均匀的广泛的功能类和带宽的充分特点,渐近正态性也成立。我们还表明,适当的渐近公式,我们的估计达到极大极小率。
2007-12-06 math.ST stat.TH
Functional central limit theorems for the Nelson-Aalen and Kaplan-Meier estimators for dependent stationary data
在不同的相依性假设下,我们得到了Hasard函数的Nelson-Aalen估计和分布函数的Kaplan-Meier估计的过程极限分布结果.假设数据是平稳时间序列的右删失观测。我们处理弱相关和长范围相关数据,并允许删失时间与感兴趣时间的相关性存在定性差异
2016-09-05 math.ST stat.TH
Asymptotically Optimal Estimator of the Parameter of Semi-Linear Autoregression
考虑了差分方程$ξ_{k}=af(ξ_{k-1})+ε_{k}$,其中$(ε_k)$是平方可积〔的〕差分鞅,以及微分方程${\rm d}ξ=-af(ξ){\rm d}t+{\rm d}η$,其中$η$是平方可积鞅.除了样本量$n$(或观察期,如果时间是连续的)上的一些随机Lipschitz函数的估计族的构建。研究了该估计量的渐近最优性。
2007-07-10 math.DS math.ST stat.AP
Efficient Difference-in-Differences Estimation when Outcomes are Missing at Random
Carnegie Mellon University(卡内基梅隆大学);Sant’Anna School of Advanced Studies(圣安娜高等研究学院);Penn State University(宾夕法尼亚州立大学);Amazon Science(亚马逊科学)
本文提出了一种基于半参数理论的高效DiD估计方法,用于处理预后或后治疗结果随机缺失的问题,通过多重鲁棒性和渐近最优性提升估计效率。
2026-01-24 econ.EM math.ST stat.ME
Lasso adjustments of treatment effect estimates in randomized experiments
我们提供了一个原则性的方法,研究人员分析随机实验时,协变量的数量是大的。研究者经常使用线性多元回归来分析随机实验,而不是简单地报告治疗组和对照组之间的平均值差异。其目的是通过调整协变量来降低估计治疗效应的方差。如果存在相对于观测数的大量协变量,则回归可能会因为过拟合而性能不佳。在这种情况下,Lasso可能会有所帮助。我们研究了由此产生的基于Lasso的治疗效果估计的Neyman-Rubin模型的随机实验。我们提出的理论条件,保证估计是更有效的比简单的差分均值估计,我们提供了一个保守的估计的渐近方差,它可以产生更严格的置信区间比差分均值估计。仿真和数据实例表明,即使协变量的数量小于观测的数量,基于拉索的调整可以是有利的。具体而言,使用Lasso进行选择和OLS进行估计的变体表现得特别好,并且它基于Lasso和OLS的组合性能来选择平滑参数。
2015-12-21 math.ST stat.TH
Point and interval estimators of a changepoint in stochastical dominance between two distributions
本文提出了一种基于随机顺序的替代方法,用于估计二分布之间随机支配点的A值,并通过模拟研究了点估计器和置信区间的性能。
2025-12-09 math.ST stat.TH
Asymptotic efficiency of simple decisions for the compound decision problem
我们考虑复合判定问题估计向量的$n$参数,已知的置换,对应于$n$独立的意见,并讨论了两个对称类的估计之间的差异。第一个和更大的类被限制到所有排列不变估计的集合。第二类进一步限制为简单的对称过程。也就是说,估计器使得每个参数仅由相应观测值的函数估计。我们证明了,在温和的条件下,这两个类的最小总平方误差风险是渐近等价的,本质上是O(1)的差异。
2008-02-10 math.ST stat.TH
Difference-based covariance matrix estimate in time series nonparametric regression with applications to specification tests
针对时变系数函数线性模型,提出基于差分且去偏的长期协方差矩阵估计量,支持非平稳、长程相依与异方差,并用于结构稳定性和长记忆检验。
2024-02-28 math.ST stat.ME stat.TH
Exact-corrected confidence interval for risk difference in noninferiority binomial trials
提出了非劣效性二项试验风险差的一种新的置信区间估计。与Chan & Zhang(1999)的置信区间相比,置信区间与第一类错误的精确无条件检验一致,并且具有提高的功效,特别是对于较小的样本量。理论上证明了所提出的置信区间的改进性能,并通过仿真和实例证明了这一点。一个R包也分布,实现了所提出的方法以及其他置信区间估计。
2021-10-14 math.ST stat.ME stat.TH
Generalization Error Estimation for Primal--Dual Algorithms in Non-Smooth Regression
Department of Statistics, Stanford University(斯坦福大学统计系);Department of Statistics, Rutgers University(罗格斯大学统计系)
本文针对非光滑回归中原-对偶算法的泛化误差估计问题,开发通用递归框架,构造无协方差的数据驱动校正项,证明有限样本保证并通过数值实验验证其可准确跟踪样本外风险。
2026-08-17 math.ST stat.ML stat.TH
Fused Extended Two-Way Fixed Effects for Difference-in-Differences With Staggered Adoptions
提出机器学习估计量 FETWFE,通过单一调节参数自动选择参数限制,解决交错采用下双重差分的偏差与效率问题,并证明其一致性与渐近正态性。
2025-04-07 econ.EM math.ST stat.ME
Consistent and Asymptotically Efficient Localization from Range-Difference Measurements
本文针对距离差测量定位问题,通过构造线性最小二乘闭式解并消除其偏差获得一致初值,再结合一步高斯-牛顿迭代,实现了与最大似然估计量相同的渐近高效性能。
2023-09-25 eess.SP math.ST stat.TH
Efficient Estimation for Staggered Rollout Designs
研究交错推广设计中的因果效应估计,推导出包含多种广义双重差分方法的最有效估计量,其可行插件版本渐近无偏且效率优于现有方法,并提供t检验和置换检验推断方法,实际应用中置信区间显著缩短。
2023-05-16 econ.EM math.ST stat.TH
The Difference-of-Log-Normals Distribution: Properties, Estimation, and Growth
本文描述了对数正态差分(DLN)分布。一个配套文件的情况下,DLN是一个基本的分布在性质上,并显示了如何一个简单的应用程序的CLT引起DLN在许多不同的现象。在这里,我描述了它的PDF,CDF,矩和参数估计;推广到N维使用球形分布理论;描述方法来处理其签名“双指数”的性质;并使用它来推广增长测量可能负变量分布DLN。我还进行蒙特卡罗实验,以建立一些属性的估计和措施所描述的。
2023-02-05 math.ST q-fin.GN stat.ME
Some Improved Estimators In Systematic Sampling Under Non-response
本文研究了在无响应情况下利用辅助变量信息估计系统抽样总体均值的问题。本文提出了系统抽样中几种修正的比型、乘积型和差型估计,并研究了它们的性质。推导了一阶近似下的均方误差表达式。进行了实证研究,以判断最好的估计建议的估计。
2014-03-05 math.ST stat.ME stat.TH
A Semiparametric Instrumented Difference-in-Differences Approach to Policy Learning
本文提出一种半参数工具变量双重差分方法,利用二元工具变量在平行趋势假设不成立时识别并学习最优处理策略,构建了Wald、IPW及多重稳健估计量,并扩展到面板数据,通过模拟和真实数据验证了其有效性。
2023-10-14 econ.EM math.ST stat.ME
Bias correction for quantile regression estimators
University of Southern California(南加州大学);University of California, Davis(加利福尼亚大学戴维斯分校);University of Michigan(密歇根大学);CESifo
本文提出了一种用于分位数回归估计量的二阶偏倚校正方法,通过有限差分估计偏倚组件,提高了估计精度,并通过实证数据验证了其有效性。
2025-02-12 econ.EM math.PR math.ST
The Conjugate Domain Dichotomy: Exact Risk of M-Estimators under Infinite-Variance Noise in High Dimensions
University of Piraeus(比雷埃夫斯大学)
本文研究了在比例渐近 regime 下,噪声具有无限方差时高维 M 估计的性质。通过分析损失函数的共轭域有界性,揭示了估计器的风险行为,区分了 Huber、绝对值和分位数损失等有界共轭域情况与平方损失无界共轭域情况下的不同表现。
2026-03-30 math.ST stat.ME stat.ML