Identification and Inference in General Bunching Designs
本文提出一般聚束设计中结构参数识别与推断的广义多项式策略,利用反事实密度解析性实现点识别,并在放松该条件时进行部分识别,蒙特卡洛模拟和 Saez(2010)数据重估显示其优于传统多项式方法。
2025-02-06 econ.EM
Identification, estimation and inference in Panel Vector Autoregressions using external instruments
University of Rome Tor Vergata(罗马托尔维加塔大学)
本文提出利用外源性工具识别面板向量自回归模型,并通过实证研究估计动态财政乘数,发现乘数高于1且影响持续
2026-11-04 econ.EM
Identification Robust Inference for the Risk Premium in Term Structure Models
本文针对动态仿射期限结构模型,扩展子集 Anderson-Rubin 检验以实现多因子、时变风险价格下风险溢价的识别稳健推断,并揭示弱因子与弱识别问题。
2023-07-24 econ.EM
A Unified Framework for Identification and Inference of Local Treatment Effects in Sharp Regression Kink Designs
School of Economics, Shanghai University of Finance and Economics(上海财经大学经济学院)
本文为尖锐回归扭折设计中的局部处理效应开发了一个统一的识别、估计与一致推断框架,通过局部多项式约束回归实现估计,并应用于检验失业保险对失业持续期分布及不平等的影响。
2025-10-31 econ.EM
Inference with Many Weak Instruments
我们开发了一个线性IV模型中的弱识别的概念,在该模型中,仪器的数量可以以与样本大小相同的速度或更慢的速度增长。我们提出了一个折刀版本的经典弱识别-鲁棒Anderson-Rubin(AR)检验统计量。在异方差和弱识别的情况下,基于折刀AR的大样本推理是有效的。该统计量的可行版本使用一种新的方差估计。该试验具有均匀准确的尺寸和良好的功率特性。我们还开发了一个预测试的弱识别相关的大小属性的Wald测试的刀切工具变量估计(JIVE)的基础上。这种新的预检验在异方差和多种工具下都是有效的。
2021-10-04 econ.EM
Econometric Inference with Machine-Learned Proxies: Partial Identification via Data Combination
Johns Hopkins University(约翰斯·霍普金斯大学)
本文提出一种在一般矩模型中利用机器学习生成代理进行部分识别和推断的框架,不依赖上游ML过程的严格假设,通过结合下游样本和辅助验证样本实现可靠推断。
2026-04-12 econ.EM
Identification and Inference with Machine-Learned Instruments
School of Economics, University of Sydney(悉尼大学经济系)
研究在机器学习工具变量估计中,构建异质性稳健正交得分,恢复对固定目标的√N推断,提供豪斯曼型诊断和识别稳健置信集,解决通常去偏矩非奈曼正交及朴素推断仅对依赖学习者目标有效的问题。
2026-09-15 econ.EM
SVARs with breaks: Identification and inference
University of Bologna(博洛尼亚大学);Brown University(布朗大学)
本文提出了一种具有结构断裂的SVAR模型,通过引入稳定性限制和不等式约束提高识别效率,并开发了纯贝叶斯和稳健贝叶斯方法以应对集识别下的推断问题。
2026-03-08 econ.EM
Beyond Parallel Trends: An Identification-Strategy-Robust Approach to Causal Inference with Panel Data
University of Georgia(佐治亚大学);Emory University(埃默里大学);University of Alabama(阿拉巴马大学)
本文提出一种稳健于识别策略的面板数据因果推断方法,通过寻找相近比较组来提高推断的可信度。
2025-11-26 econ.EM
Inference under partial identification with minimax test statistics
University of North Carolina Wilmington(北卡罗来纳大学温斯顿学院)
该研究针对部分识别下的矩模型假设检验问题,提出基于极小极大定理的内层最大化-外层最小化结构检验统计量的渐近刻画与自助法临界值计算方法,降低了对参数空间局部线性近似的依赖,补充拓展了现有部分识别检验的渐近近似方法。
2026-11-03 econ.EM
Robust Minimum Distance Inference in Structural Models
本文提出结构模型中对欠识别冗余参数具备稳健性的最小距离推断方法,可在无需知晓欠识别程度下实现渐近卡方推断,经示例、蒙特卡洛模拟和货币政策模型应用验证了其适用性与有限样本表现。
2023-10-09 econ.EM
An Adversarial Approach to Identification, Computation, and Inference in Models with a Linear-in-Measures Representation
McMaster University(麦克马斯特大学);University of North Carolina Wilmington(北卡罗来纳大学威尔明顿分校)
针对线性测度表示的经济计量模型,提出对抗性差异函数框架,通过有限线性规划计算识别集,并应用于二元选择面板和进入博弈,恢复锐利识别区域。
2026-09-29 econ.EM
Identification and Bayesian Inference for Synthetic Control Methods with Spillover Effects
The University of Tokyo(东京大学)
本文提出一种扩展合成控制法的面板数据方法,以考虑外溢效应并估计治疗和外溢效应。方法结合空间自回归模型和贝叶斯推断,应用于加州烟草税和苏丹分裂经济影响的实证研究。
2026-03-25 econ.EM
Identification robust inference for moments based analysis of linear dynamic panel data models
我们使用辨识稳健性检验来证明由Arellano和Bond(1991)、Arellano和Bover(1995)、Blundell和Bond(1998)以及Ahn和Schmidt(1995)提出的线性动态面板数据模型的差异、水平和非线性矩条件,当自回归参数的真值接近1且初始观测值的方差较大时,不要单独识别自回归参数。我们证明,这些时刻条件的组合,但是,这样做时,有三个以上的时间序列观测。然后,这种识别仅由一组所谓的鲁棒矩条件产生。这些鲁棒矩是由差分、水平和非线性矩条件的组合所跨越的,并且只依赖于差分数据。我们表明,当只有鲁棒矩包含自回归参数的识别信息时,使用组合矩的Kleibergen(2005)LM检验的判别能力与单独使用鲁棒矩可以获得的最大拒绝频率相同。这表明,KLM测试隐式地使用了强大的时刻时,只有他们包含的自回归参数的信息。
2021-05-18 econ.EM
Difference-in-Differences Meets Synthetic Control: Doubly Robust Identification and Estimation
University of California, San Diego(加州大学圣迭戈分校);Guanghua School of Management, Peking University(北京大学光华管理学院);National University of Singapore(新加坡国立大学)
本研究提出一种整合双重差分与合成控制优势的双重稳健方法,用于短面板因果推断,在平行趋势或组级合成控制假设下识别平均处理效应,并开发半参数估计框架、乘子自助推断法,扩展至重复横截面与交错处理设计,实证评估阿拉斯加最低工资上调影响,模拟验证有限样本性能。
2026-09-29 econ.EM
Identification and Inference on Treatment Effects under Covariate-Adaptive Randomization and Imperfect Compliance
本文研究了在协变量自适应随机化与不完全依从的二元处理RCTs中ATE和ATT的识别与推断,推导了识别集刻画,提出了一致估计量与渐近置信区间,并给出了估计处理分配概率的最优实用建议。
2025-04-30 econ.EM
Partial Identification in Moment Models with Incomplete Data--A Conditional Optimal Transport Approach
University of Washington(华盛顿大学);Dongbei University of Finance and Economics(东北财经大学);University of Alberta(阿尔伯塔大学);University of Sydney(悉尼大学)
本文针对不完全数据下的一般矩模型,提出基于条件最优传输的有限维参数部分识别统一方法,刻画了识别集特征,针对仿射情形给出凸性与简便计算方法,还提出两步法构造不满足矩模型参数的识别集,通过示例验证了其通用性与有效性。
2025-10-02 econ.EM
Partial Identification and Inference in Duration Models with Endogenous Censoring
本文研究了具有内生删失数据的转换模型的辨识和推断问题。许多持续时间模型,如加速失效时间模型、比例风险模型和混合比例风险模型,都可以看作是转换模型。我们允许截尾的持续时间的结果是任意相关的观察到的协变量和未观察到的异质性。我们不施加任何参数限制的转换函数或分布函数的未观察到的异质性。在这种情况下,我们开发的回归参数和转换函数,其特征在于由条件矩不等式涉及U-统计的界限。通过构造矩的样本类似量为U-统计量的条件矩不等式模型的一种推断方法,给出了它们的推断方法。我们使用斯坦福心脏移植研究的数据,将所提出的推理方法应用于评估心脏移植对患者生存时间的影响。
2021-07-02 econ.EM stat.ME
Identification, Estimation and Inference Based on Constructed Instruments
Zhongnan University of Economics and Law(中南财经政法大学);Monash University(蒙纳士大学);University of Cambridge(剑桥大学)
研究针对内生回归中结构误差条件均值函数提出半参数投影(SP)方法解决内生性,适用于多种回归模型,建立识别条件和渐近性质,并用LASSO选择方法检验有限样本性能。
2026-10-12 econ.EM
Identification and Counterfactual Analysis in Incomplete Models with Support and Moment Restrictions
Johns Hopkins University(约翰斯·霍普金斯大学)
本文提出了一种统一的识别框架,用于不完整模型中的反事实分析,通过扩展支持函数方法并引入不可约条件,证明在有限样本中识别集和矩闭包的统计不可区分性。
2026-03-08 econ.EM
Parameter Identification and Inference in Discretely Sampled or Temporally Aggregated Autoregressions
Geneva Graduate Institute(日内瓦高等研究院)
本文针对离散采样或时间聚合下的AR(p)过程,推导了其参数识别集,证明并数值验证了关于误差项方差及自回归参数点识别的相关猜想。
2026-09-10 econ.EM
Relative Bias Under Imperfect Identification in Observational Causal Inference
Yale University(耶鲁大学);Pennsylvania State University(宾夕法尼亚州立大学)
本文研究了在识别假设不成立时,选择性可观测性、工具变量和近端推断估计的偏差问题,提出敏感性工具和偏倚轮廓图以量化不同识别策略的敏感性。
2026-10-15 econ.EM stat.ME
Identification and Inference for Algorithmic Frontiers with Selective Labels
Department of Economics, Cornell University(经济系,康奈尔大学)
本文针对仅观测到部分个体结果的情况,提出了公平-准确性前沿的识别方法及统计推断工具,包括无限制选择下的锐识别区域、无混淆假设下的点识别与去偏机器学习估计量。
2026-10-16 cs.LG econ.EM
Weak Identification with Bounds in a Class of Minimum Distance Models
National University of Singapore(新加坡国立大学)
针对现有弱识别推断方法无法结合参数界信息的问题,本文在一类最小距离模型中提出纳入界信息的识别稳健推断方法,并通过模型与实证应用验证了其价值。
2025-10-02 econ.EM math.ST stat.TH
Pivotal and identification-robust nonparametric inference in linear IV models
Simon Fraser University(西蒙菲莎大学);Toulouse School of Economics, Université Toulouse Capitole(图卢兹经济学院,图卢兹第三大学)
针对线性工具变量模型,提出对识别强度与异方差鲁棒且第一阶段非参数的新推断方法,包括渐近关键统计量、子向量推断和设定检验。
2026-06-11 econ.EM math.ST stat.TH
Inference on Local Average Treatment Effects for Misclassified Treatment
当二进制处理包含测量误差时,我们发展了局部平均处理效应的点识别。标准的工具变量估计是不一致的参数,因为测量误差是非经典的建设。我们通过使用一个外生变量(甚至可以是二元协变量)来确定测量误差的分布来纠正这个问题。从辨识得到的矩条件导出了具有渐近有效推论的广义矩估计估计方法。蒙特卡罗模拟和一个实证说明所提出的程序的实用性。
2018-04-10 econ.EM
Identification and Inference with Min-over-max Estimators for the Measurement of Labor Market Fairness
这些注释显示了如何对人口统计学平价(DP)指标进行推断。虽然度量是一个复杂的统计,涉及最小值和最大值的计算,我们提出了一个光滑的近似这些功能,并推导出其渐近分布。这些近似的极限和它们的梯度收敛于真正的max和min函数的极限,无论它们存在于何处。更重要的是,当真正的最大和最小函数是不可微的,近似仍然是,他们提供了有效的渐近推断域中的任何地方。最后,我们给出了一些关于如何计算DP的置信区间、如何测试它是否低于0.8(美国平等就业机会委员会的公平阈值)以及如何在A/B测试中进行推断的指导。
2022-07-27 econ.EM stat.ME
GMM is Inadmissible Under Weak Identification
本文证明在弱识别下GMM估计量因样本矩不连续而不可容许,而袋装GMM和准贝叶斯后验均值具有连续性优势且强识别下等价,模拟中常优于GMM。
2023-05-09 econ.EM
Ordinal Distributional Change and Conservative Transition Benchmarks: Measurement, Identification, and Inference
Monash University(莫纳什大学)
本文研究有序数据分布变化的测量与解释,提出最小移动配置作为核心方法,通过部分识别处理缺失数据,提供清晰的统计推断基础。
2026-08-25 econ.EM
Identification and inference of outcome conditioned partial effects of general interventions
本文提出结果条件化部分政策效应(OCPPE)这一新分布因果量,用于衡量一般反事实干预对结果分布不同分位数区间个体的平均效应,推导了其半参数有效界,提出高效去偏估计量及均匀推断程序,并应用于禁烟政策对婴儿出生体重影响的分析。
2024-07-24 econ.EM
Identification and Inference for Synthetic Controls with Confounding
本文在存在未观测混杂的面板数据中,利用随机因子模型研究处理效应的识别与推断,揭示时间与个体层面混杂的权衡,并为多种合成控制估计量建立渐近推断结果。
2023-12-01 econ.EM math.ST stat.ME
Weak Identification with Many Instruments
本文综述单内生回归元在多工具变量下的估计与推断,提出异方差稳健的弱识别检验,并扩展至多外生回归元情形。
2024-01-25 econ.EM
Identification and Inference in Nonlinear Dynamic Network Models
Inter-American Development Bank (IDB)(泛美开发银行)
本文研究非线性动态系统在未知交互网络上的识别与推断问题,提出基于谱异质性的识别条件,并设计了半参数估计器和网络依赖性检验。
2026-04-03 cs.LG econ.EM math.ST
Dynamic Local Average Treatment Effects in Time Series
University of Rome Tor Vergata(罗马托尔维加特大学);University of Colorado at Boulder(科罗拉多大学博尔德分校)
本文针对时间序列IV设定下的动态LATEs,提出识别、估计与推断方法,检测识别性最强的子样本并开发对应稳健推断程序,将其应用于货币政策效应分析,调和了相关估计冲突。
2026-08-03 econ.EM
Identification via Distributional Shifts without Exclusion Restrictions
University of Florida(佛罗里达大学);European Research University(欧洲研究大学)
本文在无排除限制的三角系统中,利用辅助变量引起的分布偏移和局部密度比限制,推导矩不等式并开发推断程序,从而恢复内生回归元的结构参数识别。
2026-09-14 econ.EM
Identification and Inference in proxy-SVARs with non-Gaussian shocks
University of Bologna(博洛尼亚大学)
本文提出一种结合代理变量与非高斯矩的混合GMM框架,用于识别结构VAR,在弱工具下仍保持一致且更有效,并提供正交规格检验,经模拟和实证验证。
2026-10-14 econ.EM stat.ME
Detecting Identification Failure in Moment Condition Models
本文针对矩条件模型的识别失效检测问题,提出基于拟雅可比矩阵的卡方检验方法,可在未知识别结构下进行多识别强度的子向量推断,经模拟和实证验证有效。
2023-10-03 econ.EM math.ST stat.ME
Identification and Inference for Causal Effects in Extremes under General Conditions
Karlsruhe Institute of Technology (KIT)(卡尔斯鲁厄理工学院);Heidelberg Institute for Theoretical Studies (HITS)(海德堡理论研究所)
本文针对一般条件下的极端事件因果效应,提出基于因果尾系数的估计与推断方法,解决重尾混杂等问题,可识别平均依赖方法无法检测的因果关系。
2026-08-25 econ.EM stat.AP stat.ME
Distributional Granger Causality: Identification, Sequential Inference, and Adaptive Testing
Texas Tech University(德克萨斯理工大学)
提出基于有限渠道特定约束的分布格兰杰因果关系框架,通过自适应序贯检验控制族系误差,实现与不可行基准相当的检验功效。
2026-06-23 econ.EM stat.ML
Synthetic Control with Weight Uncertainty: Robust Identification and Statistical Inference
Columbia University Mailman School of Public Health(哥伦比亚大学米兰恩公共卫生学院);Center for Data Science, Zhejiang University(浙江大学数据科学中心)
DRoSC方法通过解决控制单位高度相关和关系变化问题,提供了一种更鲁棒的因果估计方法。
2026-08-18 econ.EM stat.ME
Causal inference for social network formation
University of Oxford(牛津大学);Harvard Kennedy School(哈佛肯尼迪学院);University College London(伦敦大学学院)
本文提出了一种框架,用于识别、估计和推断驱动内生社会网络形成的因果机制。通过时间序列网络观测和初始联系的随机变化来解决因果识别的挑战,采用基于设计的方法,将节点集和潜在结果视为非随机,以估计间接联系、网络度和局部网络密度对联系形成的影响。
2026-04-20 cs.SI econ.EM stat.AP
Inference with Granular Instruments in Large Panels
University of Warwick(华威大学)
本文发展了大型面板中颗粒工具变量(GIV)的强度渐近理论,区分了强、近弱和弱三种工具强度状态,并提供了相应的推断方法。
2026-10-30 econ.EM stat.ME
Semiparametric Inference for Regression-Discontinuity Designs
本文提出一种半参数框架用于识别断点回归设计中的平均处理效应,无需无混淆假设,通过部分线性建模和P-spline方法实现全局推断,理论分析与模拟表明其收敛速率更快且性能优于局部方法。
2024-12-25 econ.EM stat.ME
AI-Generated Measurements for Identification and Inference with Missing Data: A Weak Shadow Variable Approach
Massachusetts Institute of Technology, Cambridge, MA 02139(麻省理工学院);Emory University, Atlanta, GA 30322(埃默里大学)
针对缺失非随机(MNAR)导致的估计偏差,提出部分识别框架,通过线性规划结合预训练模型(如LLM)的预测作为弱影子变量收紧边界,并设计集合扩张估计器保证覆盖,实验显示识别区间缩小75-83%。
2026-09-01 cs.LG econ.EM stat.ME
Partial Identification under Stratified Randomization
São Paulo School of Economics - FGV(圣保罗经济学校 - 弗格森基金会)
本文提出了一种统一框架,用于在存在流失的分层实验中进行部分识别和推断,通过逆概率加权和全局修剪方法,改进了置信区间和估计量的准确性。
2026-01-18 econ.EM math.ST stat.ME