Panel Quantile Regression with Common Shocks
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Michigan State University（密歇根州立大学）
本文发展了一种对共同冲击稳健的面板分位数回归渐近与推断理论，提出了在共同冲击存在下仍一致的协方差估计量，放宽了截面独立和T≫N的假设。
2026-06-17 econ.EM stat.ME
Nonparametric Quantile Regression for Homogeneity Pursuit in Panel Data Models
许多面板数据对个体具有潜在的亚组效应，正确识别这些群体是很重要的，因为通过汇集每个群体内个体的信息可以显着提高所得估计量的效率。然而，目前假设的响应和预测变量之间的参数和半参数关系可能会被错误指定，这将导致错误的分组结果，因此可以考虑非参数方法来避免这种错误。此外，响应可以以不同的方式取决于各个分位数级别的预测因子，并且对应的分组结构也可以变化。针对这些问题，本文提出了一种非参数分位数回归方法，用于追踪具有个体效应的面板数据模型的同质性，并采用两两融合罚函数自动选择分组数。渐近性质的建立，并ADMM算法也被开发。有限样本性能的仿真实验进行了评估，所提出的方法的有效性进一步说明了一个实证例子。
2022-08-22 stat.ME
Estimation and Inference for the $τ$-Quantile of Individual Heterogeneous Coefficient
Michigan State University（密歇根州立大学）；University at Albany – State University of New York（纽约州立大学奥尔巴尼分校）
针对面板数据中个体异质性斜率系数的分位数，提出两步分位数估计框架，并建立渐近理论和自助法推断。
2026-06-11 econ.EM math.ST stat.TH
Panel semiparametric quantile regression neural network for electricity consumption forecasting
Institute of Statistics and Data Science, Nanjing Audit University（南京审计大学统计与数据科学学院）
在长期深化改革开放的过程中，我国电力工业取得了巨大成就。然而，由于我国区域经济、社会和自然条件复杂，电力资源分布不均，造成我国部分地区缺电。因此，需要建立一个可靠的电力预测模型。在此基础上，本文将人工神经网络与半参数分位数回归相结合，提出了一种面板半参数分位数回归神经网络（PSQRNN）。PSQRNN可以探索变量之间潜在的线性和非线性关系，解释未观察到的省级异质性，同时保持参数模型的可解释性。将惩罚分位数回归与LASSO、岭回归和反向传播算法相结合训练PSQRNN。为了评估预测精度，基于3种情景对1999 - 2018年中国各省用电量进行了实证分析。结果表明，PSQRNN模型在考虑经济和气候因素的情况下，能够更好地预测电力消费量。最后，通过预测，给出了未来$5$年（2019-2023年）中国各省用电量。
2021-03-01 cs.LG econ.EM stat.ML
Extremal Quantiles under Two-Way Clustering
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Yokohama National University（横滨国立大学）；Vanderbilt University（范德堡大学）
本文研究了双方式聚类下极值分位数的极限分布，证明其在退化情况下仍保持高斯分布，并通过实证分析验证了该结论的稳健性。
2026-01-16 econ.EM math.ST stat.TH
Local linear quantile estimation for nonstationary time series
我们考虑一般类非平稳过程分位数曲线的估计。在轻度短程相依条件下，得到了局部线性分位数估计的相合性和中心极限结果。我们的研究结果适用于环境数据集。特别是，我们的结果可以用来解决气候变率是否发生了变化的问题，这是IPCC（政府间气候变化专门委员会）在2001年提出的一个重要问题。
2009-08-25 math.ST stat.TH
Inference on Extreme Quantiles of Unobserved Individual Heterogeneity
Universität Bonn, Institute of Finance and Statistics（波恩大学金融与统计学院）
本文提出了一种在面板数据和元分析中对未观测个体异质性极值分位数进行推断的方法，通过极值定理和中间顺序定理构建了优化-free置信区间，并通过企业生产力差异的应用验证了方法的有效性。
2025-06-02 econ.EM stat.ME
Average and Quantile Effects in Nonseparable Panel Models
不可分离面板模型在各种经济环境中都很重要，包括离散选择。本文给出了在时间齐性条件下，如“时间是随机分配的”或“时间是一种工具”的不可分模型的辨识和估计结果。“在静态或动态条件下，在完全非参数模型和半参数模型中，在具有时间效应的离散回归量中，给出了平均和分位数效应的部分识别结果。证明了通常的线性固定效应估计量不是已确定平均效应的相合估计量，并给出了一个相合估计量。给出了一个简单的分位数处理效应估计量，解决了从面板数据中估计分位数处理效应的重要问题。给出了静态和动态模型中的总体效应的界。动态边界提供了一个部分识别解决方案的重要问题，估计的影响，状态依赖的存在下不可观测的异质性。随着$T$的增长，通过推导识别集的收缩率来显示$T$的影响，即时间段的数量。我们还考虑了半参数，离散选择模型，并发现半参数面板边界可以比非参数边界更紧。提出了计算方便的半参数模型方法。我们提出了一种新的推理方法，适用于面板数据和其他设置，并表明它产生一致有效的置信区域在大样本。我们给出了经验性的例证。
2013-03-26 econ.EM math.ST stat.AP
Expected Shortfall Factor Models: Common Tail Losses and Expected Returns
University of Chinese Academy of Sciences（中国科学院大学）；Southeast University（东南大学）；Shandong University（山东大学）；University of Science and Technology of China（中国科学技术大学）
本文提出期望损失因子模型（ESFM），捕捉资产下尾损失严重性的共同变化，实证发现其暴露与预期收益正相关，高减低组合年化收益达8.0%-11.7%，且提供均值与分位数因子之外的定价信息。
2026-09-11 econ.EM econ.GN q-fin.EC
Nonparametric Identification in Panels using Quantiles
本文研究了具有时间齐性的不可分面板模型中连续回归变量的CeterisParibus效应的识别和估计。兴趣效应是模型的平均值和分位数结构函数的导数。我们发现，这些衍生工具被确定为两个时间段的“逗留者”，即个人在两个时间段具有相同的回归值。我们表明，识别结果结转到模型，允许位置和规模的时间效应。我们提出了非参数序列方法和加权自助法来估计和推断所确定的效果。提出的引导允许统一推断的功能值的参数，如分位数的影响，均匀的分位数指数和/或回归值的区域。恩格尔曲线估计面板数据的实证应用说明了结果。
2014-08-05 econ.EM stat.ME
Network and Panel Quantile Effects Via Distribution Regression
本文提供了一种方法来构造非线性网络和面板模型中的分位数函数和分位数效应的同时置信带，具有不可观察的双向效应，严格外生协变量，并可能离散的结果变量。该方法基于由固定效应分布回归估计量构造的分布函数的同时置信带的投影。这些固定效应估计量是去偏的，以处理附带参数问题。在数据集的两个维度以相同速率增长的渐近序列下，分位数函数和效应的置信带在大样本中具有正确的联合覆盖。贸易引力模型的实证应用说明了网络数据的方法的适用性。
2020-06-08 econ.EM stat.ME
Identification in Linear Quantile Panel Models
Boston College（波士顿学院）；Harvard University（哈佛大学）
本文研究时间期数固定且较小时，具有不受限制的个体异质性的线性分位数面板模型的识别问题，通过施加严格外生性条件，允许扰动项任意相关，为模型识别提供理论依据。
2026-09-11 econ.EM
Online Conformal Prediction for Non-Exchangeable Panel Data
Department of Management Science and Engineering（管理科学与工程系）
本文提出了一种简单的在线符合框架，用于非交换面板数据，通过利用在线面板预测的关键特征，即当需要对一个单位进行预测时，相关单位的同期结果可能已观察到，可以作为校准面板。该方法利用了适应性量来形成预测集，从而在长期内提供覆盖保证。
2026-10-07 cs.LG stat.ME stat.ML
A Simple Estimator for Quantile Panel Data Models Using Smoothed Quantile Regressions
Canay（2011）分位数面板数据模型的两步估计，由于其直观性强、计算成本低，近年来在实证研究中得到了广泛的应用。本文重新审视Canay（2011）的估计，指出他在渐近分析中错误地忽略了由于固定效应的估计而导致的估计偏差，这种忽略将导致对系数的无效推断。为了解决这个问题，我们提出了一个类似的易于实现的估计平滑分位数回归的基础上。建立了新估计量的渐近分布，并导出了其渐近偏差的解析表达式。基于这些结果，我们展示了如何进行渐近有效的推断分析和分裂面板刀切偏差校正的基础上。最后，有限样本模拟来支持我们的理论分析，并说明偏差校正在面板数据的分位数回归中的重要性。
2019-11-12 econ.EM
Quantile Treatment Effects in High Dimensional Panel Data
针对高维面板数据中仅少数单元受干预的场景，将广义合成控制方法拓展为分位数处理效应估计方法，建立了渐近性质与bootstrap推断程序，经模拟和2008年中国刺激计划实证验证有效。
2025-06-18 econ.EM stat.AP stat.ME
Bootstrap inference for panel data quantile regression
本文研究了具有固定效应的面板数据分位数回归模型中实用统计推断的自助方法。我们考虑随机加权自举响应，并正式建立其有效性的渐近推断。通过对固定效应面板数据使用加权分位数回归估计，自举算法在实践中易于实现。我们提供的条件下，允许个人的时间依赖性的观察结果，从而涵盖了一大类可能的经验应用。蒙特卡罗模拟提供了数值证据所提出的自助方法具有正确的有限样本性质。最后，我们提供了一个实证说明使用环境库兹涅茨曲线。
2021-11-05 econ.EM
GMM for Panel Data Quantile Regression
Michigan State University（密歇根州立大学）；University at Albany - State University of New York（纽约州立大学奥尔巴尼分校）
本文提出适用于含个体固定效应与内生回归元的面板分位数模型的平滑GMM框架，经理论证明与蒙特卡洛模拟验证其有效性，并应用于OECD通胀动态分析发现通胀传导非对称性。
2026-10-12 econ.EM
Partitioned Wild Bootstrap for Panel Data Quantile Regression
针对具有时间序列依赖的多期面板分位数回归，本文提出采用分块不变随机权重的分块野生 bootstrap 推断方法，证明其渐近有效，并通过模拟和实证应用验证了小样本准确性与实用性。
2025-07-24 econ.EM
Modelling and Forecasting the Realized Range Conditional Quantiles
几项研究集中在已实现的波动范围上，这是金融价格二次变化的估计量，考虑到了微观结构噪声和跳跃的影响。然而，没有人考虑直接建模和预测的实现范围条件分位数。本研究进行了分位数回归分析，以填补这一空白。拟议的模型考虑到作为分位数预测的滞后值的估计波动和一些关键的宏观经济和金融变量，这提供了有关整体市场趋势和风险的重要信息。通过这种方式，在不对已实现的区间创新进行分布假设的情况下，可以评估估计波动率的整个条件分布。这个问题对于金融决策者在定价、资产配置和风险管理方面至关重要。分位数回归方法允许分析所涉及变量之间的联系如何在分位数水平上变化。此外，进行滚动分析，以确定如何的关系，所提出的模型的特点随着时间的推移演变。该分析被应用到16个股票发行的公司，在不同的经济部门的美国市场，并通过适当的测试，预测的准确性进行了验证。结果显示了所选变量的相关影响的证据，特别是在市场压力期间，突出了分位数之间的异质效应。
2014-10-25 stat.AP
Nonparametric Quantile Regressions for Panel Data Models with Large T
本文考虑了面板数据模型，其中因变量的条件分位数作为回归变量和个体效应的未知函数是可加分离的。我们提出了两个估计的分位数部分效应，同时控制的个人异质性。第一种估计基于局部线性分位数回归，第二种估计基于局部线性平滑分位数回归，这两种估计都易于实际计算。在大T框架内，我们提供了充分条件下，这两个估计是渐近正态分布。特别是，对于第一个估计，它表明，$N<<T^{2/(d+4)}$需要忽略附带的参数偏差，其中$d$是回归的维度。对于第二种估计量，我们能够在$N\approx Th^{d}$的假设下推导出渐近偏差的解析表达式，其中$h$是局部线性近似中的带宽参数。我们的理论结果提供了使用分裂面板折刀的偏差校正的基础。一个蒙特卡罗模拟表明，所提出的估计和偏差校正方法在有限样本下表现良好。
2020-09-29 econ.EM
Bayesian Panel Quantile Regression for Binary Outcomes with Correlated Random Effects: An Application on Crime Recidivism in Canada
本文提出了一种贝叶斯方法，用于在存在相关随机效应的情况下估计具有二元结果的面板分位数回归。我们使用非对称拉普拉斯（AL）误差分布构建工作似然，并将其与合适的先验分布相结合，以获得完整的联合后验分布。对于后验推理，我们提出了两个马尔可夫链蒙特卡罗（MCMC）算法，但更喜欢的算法，利用阻塞过程中产生较低的自相关MCMC提请。我们还解释了如何使用MCMC抽签来计算边际效应，相对风险和比值比。我们的首选算法的性能在多个模拟研究中得到证明，并表现得非常好。此外，我们实施了拟议的框架，研究犯罪累犯在魁北克省，加拿大省，使用一个新的数据，从行政矫正档案。我们的研究结果表明，最近实施的“强硬的犯罪”政策，加拿大政府已在很大程度上成功地减少了重复犯罪的概率在后政策时期。此外，我们的研究结果支持现有的研究结果，犯罪累犯，并提供了新的见解，在不同的分位数。
2020-01-25 econ.EM stat.ME
Soft-Noncrossing Bayesian Panel Quantile Regression for Measuring Climate Tail Risk
University of Salzburg（萨尔茨堡大学）；University of Kent（肯特大学）；Monash University（莫纳什大学）
该研究提出软非交叉贝叶斯面板分位数回归模型，应用于33国1979-2023年数据，发现全球温度冲击会给产出增长带来集中于尾部下端的系统性不可分散下行风险，且能将样本外尾部风险预测损失降低约三分之一。
2026-08-06 econ.EM
Minimum Distance Estimation of Quantile Panel Data Models
本文提出一种两阶段最小距离估计法用于分位数面板数据模型，适用于经典面板和分组数据，提供多种分位数估计量，并具有更高精度和自适应推断，实证显示食品券计划主要增加低端出生体重。
2025-02-25 econ.EM
A Panel Quantile Approach to Attrition Bias in Big Data: Evidence from a Randomized Experiment
University of Kentucky（肯塔基大学）
本文介绍了具有个体异质性和损耗的面板数据模型的分位数回归估计。该方法的动机是在大数据应用程序中经常遇到磨损偏见的事实。例如，许多用户注册了最新的程序，但几个月后很少有活跃用户，这使得对这种干预措施的评估本身就非常具有挑战性。在Hausman和Wise（1979）的早期工作的基础上，我们提供了一个简单的识别策略，导致两步估计过程。在第一步中，选择方程中的感兴趣的系数使用参数或非参数方法一致地估计。在第二步中，对加权观测值的子集采用标准面板分位数方法。该估计器在计算上易于在具有大量受试者的大数据应用中实现。我们调查的条件下，参数估计是渐近高斯和我们进行了一系列的蒙特卡罗模拟调查的有限样本性质的估计。最后，使用一个模拟练习，我们应用该方法来评估最近的一个时刻的电力定价实验的启发，艾格纳和豪斯曼（1980）的工作。
2018-08-09 cs.LG econ.EM stat.AP
Stationary Errors and Quantile Regression in Short Panels
Boston College（波士顿学院）；Harvard University（哈佛大学）
本文针对带无约束个体效应和时间平稳特异扰动的线性面板模型，提出一种两步最小距离固定T估计量，该估计量根-n一致且渐近正态，经蒙特卡洛实验验证表现良好。
2026-08-11 econ.EM
Investigating Growth at Risk Using a Multi-country Non-parametric Quantile Factor Model
我们建立了一个贝叶斯非参数分位数面板回归模型。在每个分位数内，响应函数是线性模型和非线性函数的凸组合，我们使用贝叶斯加性回归树（BART）近似。通过条件异方差潜在因子捕获第p分位数的横截面信息。我们的模型的非参数特征增强了灵活性，而面板特征，通过利用跨国信息，增加了尾部的观测数量。我们开发了贝叶斯马尔可夫链蒙特卡罗（MCMC）方法估计和预测与我们的分位数因子BART模型（QF-BART），并应用它们来研究在风险动态增长的面板中的11个发达经济体。
2021-10-07 econ.EM stat.AP
Bayesian inference for dynamic spatial quantile models with interactive effects
针对大规模空间面板数据，本文提出含未观测异质性的动态空间面板分位数模型及新型贝叶斯MCMC算法，证明一致性并通过模拟与汽油市场案例验证其有效性。
2025-06-09 econ.EM
Panel Coupled Matrix-Tensor Clustering Model with Applications to Asset Pricing
City University of Hong Kong（香港城市大学）；University of Notre Dame（圣母大学）
PMTC模型通过整合特征张量和回报矩阵，提升资产分组和因子负载估计的准确性与实用性。
2025-12-29 econ.EM stat.ME
Across-Design Uncertainty in Short Pricing Panels: Inference and Identification
Universidad de Huelva（韦尔瓦大学）
本文针对短期定价面板的跨设计不确定性，通过合成数据模拟，明确其占估计误差方差97.6%，给出经验关系，发现Paule-Mandel方差成分可提升覆盖率，为数据生成过程设计提供方向。
2026-09-09 cs.LG econ.EM
Estimating Distributions with Failure Rate Properties from Noisy Quantile Data
Department of Mechanical and Industrial Engineering, University of Toronto（多伦多大学机械与工业工程系）；Rotman School of Management, University of Toronto（多伦多大学罗特曼管理学院）；The Wharton School, University of Pennsylvania（宾夕法尼亚大学沃顿商学院）
研究从噪声分位数数据估计具有失效率特性的分布问题，提出IFR约束最大似然估计器，通过两步法解决，建立误差界和收敛速率，扩展到其他特性，经实验和案例研究提升了拟合度与决策质量。
2026-07-16 stat.AP
Quantile Factor Models
分位数因子模型（Quantile Factor Models，QFM）是一种新的高维面板数据因子模型。与近似因子模型（AFM）不同，在AFM中，只能提取位置偏移因子，QFM还允许恢复未观察到的因子，这些因子偏移了观察变量分布的其他相关部分。一个分位数回归的方法，标记为分位数因子分析（QFA），提出了一致的估计所有的分位数依赖的因素和负载。他们的渐近分布，然后使用核平滑版本的QFA估计。两个一致的模型选择标准，基于信息准则和秩最小化，开发，以确定在每个分位数的因素的数量。此外，与AFM中使用主成分分析所需的条件相反，QFA估计即使在特质误差具有重尾分布时仍然有效。三个实证应用（关于宏观经济、气候和金融面板数据）提供的证据表明，在实践中，除均值外，还有其他因素会改变分位数。
2020-09-23 econ.EM
Quantile and Distribution Treatment Effects on the Treated with Possibly Non-Continuous Outcomes
International Food Policy Research Institute（国际粮食政策研究所）；Culverhouse College of Business, University of Alabama（阿拉巴马大学卡尔弗豪斯商学院）
本文提出了一种分布差分-in-差分框架，用于在非连续分布结果的情况下识别和进行分布和分位数处理效应的统一推断，通过经济犯罪模型展示了如何处理计数类型的未处理潜在结果。
2026-05-20 econ.EM
Estimation of Characteristics-based Quantile Factor Models
针对因子载荷为个体特征未知函数且误差受条件分位数约束的模型，提出三阶段估计方法，建立收敛速度、极限分布与因子数选择准则，并通过模拟和S&P500实证验证。
2023-04-26 econ.EM
Carbon cost pass-through rate in power system: evidence from Italy under the EU ETS
University of Padua（帕多瓦大学）
研究欧盟排放交易体系下碳成本在意大利电力市场的传导率，基于2016-2024年数据，采用自回归线性回归模型，发现全国平均传导率约32%，且各市场区域存在显著异质性。
2026-06-19 stat.AP
Distributional Counterfactual Analysis in High-Dimensional Setup
本文提出一种高维面板数据下恢复反事实分布的方法，通过l1惩罚回归估计无干预的整个条件分位数函数，推导了非渐近界限，构建置信区间并提出基于Lp范数的准枢轴假设检验。
2023-09-06 econ.EM stat.ME
Composite Quantile Factor Model
本文提出复合分位数因子模型用于高维面板数据因子分析，跨多数据分位数估计因子与载荷，推导其极限分布并讨论因子数量选择准则，经模拟验证有限样本性质良好，还开展宏观经济变量实证研究并开发R包cqrfactor。
2024-11-30 econ.EM
Flexible Bayesian Quantile Analysis of Residential Rental Rates
本文提出一种基于广义非对称拉普拉斯分布的贝叶斯随机效应分位数回归模型，用于面板数据，并应用于全球金融危机后美国住宅租金率分析，结果表明该模型在多数分位数上提供了显著灵活性。
2023-09-06 econ.EM stat.ME
Economic and Policy Uncertainties and Firm Value: The Case of Consumer Durable Goods
本文利用PQR与PVM模型考察12家美国耐用品企业的托宾Q，发现财务比率及经济政策不确定性、衰退风险、通胀预期和消费者信心会显著影响企业价值。
2025-06-09 econ.EM
Regularized Quantile Regression with Interactive Fixed Effects
本文研究了具有交互固定效应的大型$N$和大型$T$条件分位数面板数据模型。我们提出了一个核范数惩罚估计的协变量和低秩矩阵的系数形成的固定效应。该估计器解决了凸最小化问题，不需要预先估计固定效应的（数量）。它还允许协变量的数量随着$N$和$T$缓慢增长。我们推导出了在分位数水平上一致成立的估计量的误差界。界的顺序意味着一致一致的一致性估计，并接近最佳的低秩分量。给定误差界，我们还提出了一个一致的估计的数量的固定效应在任何分位数水平。为了推导出误差界，我们开发了新的理论参数下的原始假设和随机矩阵，可能是独立的利益的新成果。我们通过蒙特卡罗模拟证明了估计器的性能。
2021-03-16 econ.EM
Empirical Crypto Asset Pricing
本研究基于十一个实证事实，通过单变量因子分析加密资产收益驱动因素，发现仅与前期收益相关的金融因子能产生显著多空策略，表明收益主要由投机驱动。
2024-05-24 econ.EM
Forecasting With Factor-Augmented Quantile Autoregressions: A Model Averaging Approach
本文认为，英国的增长和通货膨胀分布的预测与因子增广分位数自回归模型平均框架下。我们使用最小化Akaike信息准则（AIC）、贝叶斯信息准则（BIC）、分位数回归信息准则（QRIC）以及留一交叉验证准则的权重来研究跨模型的模型组合。未观测因子的估计是在一个递归估计方案下，由一个包含N个预测变量的大面板的主成分在T个周期内进行的。我们将上述方法应用于英国GDP增长和CPI通胀率。我们发现，平均而言，对于GDP增长，在覆盖率和最终预测误差方面，AIC和BIC获得的相等权重或权重表现同样出色，但在大多数感兴趣的分位数上，QRIC和Jackknife方法优于它们。相比之下，通货膨胀的朴素QAR（1）模型优于所有模型平均方法。
2020-10-23 econ.EM
Structural Break Detection in Quantile Predictive Regression Models with Persistent Covariates
我们提出了一个计量经济环境的非平稳分位数预测回归的结构突变检测。我们基于Phillips和Magdalinos提出的普通最小二乘法估计量和内生工具回归估计量（2009 a，Econometric Inference in the Vicinity of Unity.工作文件，新加坡管理大学）。虽然这些检验统计量的渐近分布似乎取决于所选择的估计量，IVX为基础的测试被证明是渐近干扰参数免费的持久性和一致性的程度下，当地的替代品。通过仿真实验，这两种测试的有限样本性能进行了评估。通过对房价指数收益率的实证分析，验证了本文提出的非平稳时间序列回归分位数突变检验方法的实用性。
2023-02-10 econ.EM
Inference for Large Panel Data with Many Covariates
本文提出了一种新的测试程序选择稀疏的协变量，解释了一个大的维度面板。我们的选择方法提供了正确的错误检测控制，同时具有比现有方法更高的功率。本文将后选择推理与一种新的多重检验调整相结合，发展了具有多协变量的大型面板的推理理论。我们的数据驱动的假设是有条件的稀疏协变量选择。我们控制了大横截面协变量发现的家族错误率。作为一个易于使用和实际相关的程序，我们提出了面板PoSI，它结合了面板多重检验的数据驱动调整与有效的选择后p值的广义LASSO，使我们能够将先验。在实证研究中，我们选择了少数资产定价因素，解释了一个大的横截面的投资策略。我们的方法由于其更好的大小和功率而在样本外的基准测试中占主导地位。
2023-03-06 econ.EM
biastest: Testing parameter equality across different models in Stata
本文介绍Stata中的biastest命令，它可对比多种回归模型的系数，提供单变量和联合检验，帮助研究人员检测模型估计偏差、评估实证结果稳健性，辅助模型选择与解读。
2025-06-17 econ.EM
Random Set Quantile Estimation of Partially Identified Discrete Response Models
Boston College（波士顿学院）；Faculty of Economics, University of Cambridge（剑桥大学经济系）；Amazon（亚马逊）
针对协变量离散导致回归系数部分识别的问题，提出随机集分位数（RSQ）估计量，通过提取经典估计量的τ分位数实现一致且局部稳健的估计，并应用于2019年英国大选数据。
2026-06-01 econ.EM
Generalized Dynamic Factor Models and Volatilities: Consistency, rates, and prediction intervals
在经济时间序列的高维面板中，波动性在水平或收益上具有动态因子结构，通常也允许动态因子分解。我们考虑一个两阶段的动态因子模型方法恢复两个水平和对数波动率的共同和特质成分。具体来说，在第一个估计步骤中，我们提取的共同和特质冲击的水平，从一个对数波动率代理计算。在第二步中，我们估计一个动态因子模型，这是相当于一个乘法因子结构的波动率，对数波动面板。通过利用这两个阶段的因素的方法，我们建立了一个步骤的条件预测区间的大型$n \times T$面板的回报。这些区间基于经验分位数，而不是条件方差;它们可以是等尾或不等尾的。我们提供了一致的一致性和一致性率的结果，建议的估计$n$和$T$趋于无穷大。我们通过蒙特卡罗模拟研究了我们的估计的有限样本性质。最后，我们将我们的方法应用于属于标准普尔100指数的资产收益面板，以计算2006-2013年期间的提前一步的条件预测区间。与组件的GRESS基准（不利用横截面信息）的比较表明，我们的方法，这是真正的多元（和高维），非参数，无模型的优越性。
2019-07-10 econ.EM
Estimation and Inference in High-Dimensional Panel Data Models with Interactive Fixed Effects
本文提出了一种基于共同相关效应（CCE）的非平凡扩展方法，通过降维投影和 lasso 技术处理具有交互固定效应的高维面板数据模型，并推导了去稀疏化估计量以支持推断。
2025-08-08 econ.EM
A general randomized test for Alpha
King’s Business School, King’s College London（伦敦国王学院商学院）；Cambridge Judge Business School and Girton College, University of Cambridge（剑桥大学贾奇商学院和格顿学院）；Centre for Economic Policy Research (CEPR)（经济政策研究中心）；Universita’ di Pavia（帕维亚大学）；University of Leicester（莱斯特大学）；Institute of Finance, Universita’ della Svizzera Italiana (USI Lugano)（瑞士意大利大学（卢加诺）金融研究所）
本文提出了一种检验线性因子资产定价模型中资产收益率定价误差均为零的检验方法，适用于可交易和不可交易因子，不需估计协方差矩阵，并能处理异方差性和横截面依赖性。
2026-05-08 econ.EM
