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
Improved Inference for CSDID Using the Cluster Jackknife
Carleton University(卡尔顿大学);Aarhus Center for Econometrics, Aarhus University(奥胡斯大学计量经济学中心);Queen’s University(女王大学)
本文提出使用聚类jackknife改进CSDID推断,以解决小集群和处理集群数量少时的过度拒绝问题,并提供软件包实现。
2026-02-12 econ.EM stat.ME stat.ML
Robust Inference for Dyadic Data with Spatially Dependent Nodes
University at Albany - State University of New York(纽约州立大学奥尔巴尼分校);Fuyao University of Science and Technology(福耀科技大学);Peking University(北京大学)
针对有序节点间存在共同潜在冲击导致传统二元依赖范式失效的问题,提出两种考虑节点顺序依赖的推断方法(修正方差估计器和行-列移动块刀切法),并证明其渐近有效性。
2026-10-07 econ.EM stat.AP
Two-Step Estimation and Inference with Possibly Many Included Covariates
我们研究的影响,包括许多协变量在第一步估计进入两步估计程序。我们发现,一阶偏差出现时,\textit{included}协变量的数量是“大”相对于样本量的平方根,使标准的推理程序无效。我们表明,刀切是能够估计这一“许多协变量”的偏见一致,从而提供了一个新的自动偏差校正两步点估计。刀切法还一致地估计了原始两步点估计量的标准误差。对于推理,我们开发了一个有效的后偏差校正自助近似,占额外的变异性引入的折刀偏差校正。我们发现,刀切偏差校正点估计和自助后偏差校正推理表现出色的模拟,提供了重要的改进,传统的两步点估计和推理程序,这是不稳健的,包括许多协变量。我们将我们的研究结果应用于一系列不同的处理效应、政策评估和其他应用微观经济学环境。特别是,我们详细讨论了生产函数和边际处理效应估计。
2018-07-26 econ.EM math.ST stat.ME
Empirical likelihood and uniform convergence rates for dyadic kernel density estimation
本文研究了二进数据核密度估计的渐近性质和替代推断方法。我们首先建立统一的收敛速度并元KDE。其次,我们提出了一个改进的刀切经验似然推理过程。建议的检验统计量是渐近的关键,无论存在的二元聚类。结果被进一步扩展到涵盖实际相关的情况下,不完整的二元数据。仿真结果表明,这种改进的刀切式经验似然推理过程提供了精确的覆盖概率,即使在适度的样本大小和不完整的二元数据。最后,我们通过研究美国的机场拥堵来说明这种方法。
2022-05-13 econ.EM math.ST stat.TH
Fixed Effects Binary Choice Models: Estimation and Inference with Long Panels
实证经济学家经常被阻止应用固定效应二元选择模型主要有两个原因:附带参数问题和计算挑战,即使在中等规模的面板。使用个人和时间固定效应的二元选择模型的例子,我们展示了如何通过将渐近偏差校正与计算进步相结合来缓解这两个问题。由于不平衡性是经常遇到的应用工作,我们调查其后果的有限样本性质的各种(偏差校正)估计。在模拟实验中,我们发现,分析偏差校正执行特别好,而分裂面板刀切估计可以严重偏置在不平衡的面板。
2020-10-25 econ.EM
Two-Way Mean Group Estimators for Heterogeneous Panel Models with Fixed T
本文提出双向均值组估计量及留一法刀切推断方法,用于固定T下含双向和交互固定效应的异质面板模型,模拟和实证验证了其有效性。
2025-08-14 econ.EM
Which Policy Works, and Where? Estimation and Inference for State-Level Treatment Effects in Difference-in-Differences
Dalhousie University(达尔豪斯大学);Carleton University(卡尔顿大学);McGill University(麦吉尔大学)
该研究针对双重差分法,区分不同维度的亚组处理效应,提出UN-DID和DID-INT估计量,通过CPS模拟分析其推断特性,强调估计目标与方法需匹配政策场景。
2026-09-02 econ.EM
Specification testing with grouped fixed effects
本文提出基于折刀校正估计量与 bootstrap 方差的 Hausman 检验,通过比较单向与两向分组固定效应估计量,检验线性及非线性面板模型中未观测异质性的设定。
2025-09-01 econ.EM
Fixed Effect Estimation of Large T Panel Data Models
本文综述了面板数据模型固定效应估计的最新研究进展。我们专注于半参数模型与未观察到的个人和时间的影响,其中的结果变量的分布条件的协变量和未观察到的影响是指定参数,而未观察到的影响的分布是不受限制的。与现有的关于长面板的评论(Arellano和Hahn 2007; Arellano和Bonhomme 2011的一节)相比,我们讨论了具有个体和时间效应的模型,分裂面板Jackknife偏差校正,不平衡面板,分布和分位数效应以及其他扩展。理解和纠正由许多固定效应的估计引起的偶然参数偏差是我们的主要关注点,统一的主题是,对于所讨论的所有模型,这种偏差的顺序由简单的公式p/n给出,p是估计参数的数量,n是总样本量。
2018-03-27 econ.EM
Bootstrap Inference in Nonlinear Panel Data Models with Interactive Fixed Effects
KU Leuven(荷语鲁汶大学)
本文提出使用参数自助法进行非线性面板数据模型中交互固定效应的最大似然估计推断,证明其渐近无偏性,并提出基于变换的自助置信区间以提升小样本性能。
2026-04-29 econ.EM stat.ME
probitfe and logitfe: Bias corrections for probit and logit models with two-way fixed effects
我们提出了Stata命令probitfe和logitfe,估计probit和logit面板数据模型与个人和/或时间未观察到的影响。固定效应面板数据方法估计未观察到的效应可能会因为偶然参数问题而严重偏倚(Neyman和Scott,1948)。我们通过使用Fernando-Val和Weiden(2016)中推导的分析和折刀偏差校正来解决这个问题,其中两个维度($N$和$T$)是中等大小的面板。我们说明了国际贸易的经验应用程序和蒙特卡罗模拟校准到这个应用程序的命令。
2017-02-26 econ.EM stat.ME
Bagging the Network
National University of Singapore(新加坡国立大学);The Chinese University of Hong Kong(香港中文大学)
本文提出统一框架估计二元网络形成,处理TU和NTU链接,解决高维固定效应非凹问题,通过联合矩法、Le Cam修正和分割网络袋装消除偏差,实现无偏估计并达到CRAMÉR-RAO下界,理论扩展至平均偏效应并稳健于链接函数误指定。
2026-05-02 econ.EM
Inference on Individual Treatment Effects in Nonseparable Triangular Models
本文研究了不可分三角模型中个体处理效应(ITE)密度的推断问题,建立了密度估计量的渐近正态性,提出了考虑ITE估计误差的渐近有效标准误和偏差校正,并构建了均匀置信带。
2023-02-15 econ.EM stat.ME
Individual and Time Effects in Nonlinear Panel Models with Large N, T
本文给出了具有个体效应和时间效应的非线性面板数据模型中参数和平均部分效应的固定效应估计。它们涵盖了logit,probit,ordered probit,Poisson和Tobit模型,这些模型对于微观和宏观经济学中的许多经验应用都很重要。我们的估计使用分析和刀切偏差校正来处理附带的参数问题,并且在$N/T$收敛到一个常数的渐近序列下是渐近无偏的。我们开发的推理方法,并表明它们在数值例子中表现良好。
2018-12-18 econ.EM stat.ME
Indirect Inference for Nonlinear Panel Models with Fixed Effects
非线性面板数据模型的固定效应估计存在附带参数问题。这在应用研究中会导致两个不良后果:(1)点估计值会受到大偏差的影响,以及(2)置信区间具有不正确的覆盖率。本文提出了一种基于仿真的偏差减小方法。该方法使用具有估计个体效应的模型模拟数据,并通过使从观察数据和模拟数据获得的固定效应估计值相等来确定参数值。渐近框架提供了一致性,偏差校正和渐近正态性结果。女性劳动力参与的应用和模拟说明了有限样本的性能的方法。
2022-04-15 econ.EM
Bootstrap inference for fixed-effect models
在矩形阵渐近下,具有固定效应的非线性面板数据模型的极大似然估计是相合的,但是渐近有偏的。迄今为止,文献集中精力设计方法来纠正最大似然估计的偏差,作为挽救标准推理程序的一种手段。相反,我们表明,参数自举复制的分布(未校正)最大似然估计在大样本。这证明了使用通过标准引导百分位数方法构建的置信集是合理的。不需要对偏倚的存在进行调整。
2022-01-26 econ.EM
Inference in Unbalanced Panel Data Models with Interactive Fixed Effects
Heinrich-Heine-Universität Düsseldorf(杜塞尔多夫大学);Universität Bayreuth(拜罗伊特大学)
本文研究了不平衡面板数据模型中交互固定效应估计量的渐近理论,提出了一种基于简单标量表达式的交替投影算法来计算残差化变量以进行偏差校正和协方差矩阵估计,并通过模拟实验验证了渐近结果在有限样本中的可靠性,同时重新评估了Acemoglu等人(2019)的研究,确认民主化对经济增长有显著影响。
2026-05-18 econ.EM
Fixed-k Inference for Conditional Extremal Quantiles
我们发展了一个新的极值理论,重复的横截面和面板数据构造渐近有效的置信区间(CI)的条件极值分位数从一个固定数量的最近邻尾观测$k$。作为副产品,我们还构造了线性随机系数模型中系数极值分位数的CI。对于任何固定的$k$,CI在与各种尾部指数相关的一组非参数数据生成过程中一致有效,无需参数假设。模拟研究表明,我们的CI表现出优越的小样本覆盖率和长度属性比其他非参数方法的基础上渐近正态性。应用所提出的方法出生人口统计,我们研究极低出生体重的因素。我们发现,主要影响的迹象是相同的,在以前的研究中发现的参数模型的基础上,但具有不同的幅度。
2020-07-19 econ.EM
(Debiased) Inference for Fixed Effects Estimators with Three-Dimensional Panel and Network Data
Heinrich-Heine-Universität Düsseldorf(杜塞尔多夫海因里希·海涅大学);Universität Bayreuth(拜罗伊特大学)
本文提出了一种针对三维面板和网络数据中固定效应估计量的去偏推断方法,解决了因维度变化导致的渐近性质差异和严重推断问题。
2026-10-19 econ.EM
Post-Selection Inference in Three-Dimensional Panel Data
三维面板模型在实证分析中被广泛应用。研究人员使用各种组合的固定效应的三维面板。当一个人强加一个吝啬的模型,而真正的模型是丰富的,那么它就会招致错误的规范偏见。当一个人使用一个丰富的模型,而真正的模型是吝啬的,那么它会产生比必要的更大的标准误差。因此,研究人员了解正确的模型是有用的。有鉴于此,Lu,Miao和Su(2018)提出了模型选择的方法。我们提出了一种回归参数的后选择推理方法,从而推进了这一文献。尽管我们使用套索技术作为模型选择的手段,但我们的假设允许许多甚至所有固定效应为非零。仿真研究表明,所提出的方法是更精确的欠拟合固定效应估计,是更有效的,比过拟合固定效应估计,并允许作为准确的推理的预言估计。
2019-04-30 econ.EM
Debiased Fixed Effects Estimation of Binary Logit Models with Three-Dimensional Panel Data
针对三维面板数据下带固定效应的二元Logit模型因偶发参数问题导致推断不可靠的问题,刻画了朴素估计量的主导偏差,推导出去偏显式表达式以解决推断问题。
2023-11-07 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
Exact Inference in Fixed-Effect Regressions with Concentrated Identifying Variation
Group of Machine Learning Research (GMUM)(机器学习研究小组);Jagiellonian University(雅盖隆大学)
该研究针对饱和固定效应回归,通过构造干扰项消灭对比项解决精确推断问题,利用循环填充优化设计,在匹配雇主-雇员等数据上验证了方法的有效性。
2026-11-11 econ.EM
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
Inference on Linear Regressions with Two-Way Unobserved Heterogeneity
Michigan State University(密歇根州立大学);University College London(伦敦大学学院)
本文提出了一种通用的估计和推断方法,用于线性面板数据回归模型中常见的参数估计,通过非参数双向未观测异质性规范。方法利用非参数回归函数和固定效应的第一步估计量,结合Neyman正交矩条件和新的调整方法,确保估计量在弱条件下渐近正态分布。
2026-05-07 econ.EM
Inference for Fixed Effects Estimators when Panels are Unbalanced
Heinrich-Heine-Universität Düsseldorf(杜塞尔多夫大学);Universität Bayreuth(拜罗伊特大学)
研究面板不平衡时固定效应估计量的推断,在特定渐近框架下推导其渐近性质,针对未校正估计量的偏差问题,提出无需知晓预定变量的去偏估计量来处理两种偏差来源。
2026-10-19 econ.EM
Inference on panel data models with a generalized factor structure
本文针对含广义因子结构的线性面板数据模型,提出基于条件均值独立性假设的一致估计方法与设定检验,证明了其理论性质,模拟和实证验证了方法的有效性。
2025-06-12 econ.EM
Shared-Donor Inference for Fixed-Set Heterogeneity in Synthetic Difference-in-Differences
Faculty of Economics, Keio University(庆应义塾大学经济学部);RIKEN Center for Advanced Intelligence Project (AIP)(理化学研究所先进智能项目中心)
研究多组合成差分中异质性的有限总体推断,通过结合多种方法构建理论,经美国社区调查和县级《清洁空气法》应用验证,可揭示效应变化、验证分解,还发现捐赠者共享对标准误差有影响。
2026-09-09 econ.EM
Bootstrap Inference for Hawkes and General Point Processes
一般点过程模型(如霍克斯模型)中的推断和检验主要基于基于似然估计和检验的渐近近似。作为一种替代方案,并提高有限样本的性能,本文考虑基于引导的推断区间估计和测试。具体而言,对于广泛的点过程模型,我们考虑一种新的自举方案标记为“固定强度自举”(FIB),其中的条件强度保持固定跨自举重复。FIB,这是非常简单的实施和快速的实践中,扩展了以前的想法从引导文献的时间序列在离散时间,其中所谓的“固定设计”和“固定波动率”引导计划已被证明是特别有用和有效的。我们比较FIB与经典的递归自举,这是在这里标记为“递归强度自举”(RIB)。在RIB算法中,自举世界中的强度是随机的,并且由于其顺序结构,自举的实现更加复杂。对于这两个引导方案,我们提供了新的引导(渐近)理论,允许评估引导的有效性,并提出了一个“非参数”的方法的基础上,restaurant的原始等待时间的时变变换。我们还建立了点过程模型和相关的自回归条件持续时间(ACD)模型之间的联系。最后,我们通过一组详细的蒙特卡罗实验,在有限样本中显示不同的引导方案的有效性,并提供应用程序的金融数据和社交媒体数据来说明所提出的方法。
2021-09-21 econ.EM
Breakdown Reliability for Saturated Fixed-Effect Inference
Jagiellonian University(雅盖隆大学)
该研究证明固定效应饱和非弱识别,推导τ²的Stock-Yogo型临界值,提出仅需可靠性下界的诊断方法,在民主-增长面板实证中验证了诊断的有效性。
2026-09-04 econ.EM
Fixed-Population Causal Inference for Models of Equilibrium
New York University(纽约大学)
本文在固定总体设计下,针对均衡模型中的内生干扰,定义并估计平均偏因果响应,证明IPW估计量的无偏性与一致性,并恢复LATE型加权导数。
2026-09-10 econ.EM
Initial-Condition-Robust Inference in Autoregressive Models
Yale University(耶鲁大学);National University of Singapore(新加坡国立大学);Chinese University of Hong Kong(香港中文大学)
本文提出了一种在自回归模型中对初始条件鲁棒的置信区间方法,解决了传统方法在初始条件不固定时覆盖性差的问题。
2026-03-11 econ.EM
Fixed-smoothing Uniform Inference for Quantile Regression
Shanghai University of Finance and Economics(上海财经大学);Michigan State University(密歇根州立大学);Hanyang University, Korea(韩国汉阳大学)
本文提出时间序列分位数回归的固定平滑推断方法,实现跨分位数均匀有效,通过均匀-τ和堆叠Wald两种方法解决非渐近枢轴问题,模拟显示优于HAC方法,实证揭示股票收益预测效应的异质性。
2026-11-03 econ.EM stat.ME
Robust Estimation and Inference in Panels with Interactive Fixed Effects
本文针对具有交互固定效应的面板回归,提出在弱因子情形下仍具一致有效性的去偏估计量和偏差感知置信区间,并通过极小极大线性估计与核范数界控制弱因子偏差,实验显示其在弱因子下显著优于传统方法。
2025-05-11 econ.EM stat.ME
Inference in High Dimensional Panel Models with an Application to Gun Control
本文研究了高维面板数据模型中的估计和推断问题。该设置允许时变回归量的数量大于样本量。为了使信息的估计和推理可行,我们需要消除个体特定异质性后的时变变量的总体贡献可以被相对少量的身份未知的可用变量捕获。这种限制允许估计问题作为变量选择问题进行。重要的是,我们将个体特异性异质性视为固定效应,这允许该异质性以未指明的方式与观察到的时变变量相关,并允许该异质性对于所有个体可能为非零。在这个框架内,我们提供的程序,给出一致有效的推断在一个固定的参数子集的典型线性固定效应模型和面板数据工具变量模型中的内生变量的固定向量上的系数与固定效应和许多工具。开发我们所提出的程序的属性的一个输入是使用Lasso估计量的变体,该变体允许分组数据结构,其中各组之间的数据是独立的,组内的依赖性是不受限制的。我们提供了正式的条件下,建议的Lasso变量选择一个稀疏的模型,具有良好的近似性能在这个结构。我们目前的模拟结果支持的理论发展,并说明了使用的方法,旨在估计枪支流行率对犯罪率的影响的应用程序。
2014-11-24 econ.EM stat.ME
Fixed-Effect Regressions on Network Data
本文考虑了由网络数据估计的线性回归模型中固定效应的推断问题。我们设置的一个重要特例是双向回归模型。这是分析匹配数据集(如雇主-雇员或学生-教师面板数据)的主力技术。我们形式化的网络结构如何影响的准确性与固定效应可以估计。这使我们能够在网络上推导出一致估计和渐近有效推理的充分条件。还考虑了矩的估计。我们允许一般的网络,我们的设置涵盖了密集和稀疏的情况。我们提供了数值结果的教师增值模型和回归职业假人的估计。
2019-04-01 econ.EM stat.ME
Inference for Group Interaction Experiments
Duke University(杜克大学);New York University(纽约大学);University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校)
针对群体互动实验,提出基于设计的推断方法,覆盖固定/随机分组及有无干扰场景,证明聚类稳健推断的一致性,并引入新耦合策略。
2026-08-12 econ.EM stat.ME
Misspecified regressions with mixed regressors: robust inference and causal interpretation
University of Southern California(南加州大学);UC Berkeley(加州大学伯克利分校)
研究在含随机与固定成分的混合回归变量且模型可能误设情况下的回归问题,通过建立估计方程一般结果分析误设线性回归,专注回归系数与标准误差因果解释,还从独立数据扩展到聚类数据。
2026-07-13 econ.EM math.ST stat.ME
Fixed-Horizon Self-Normalized Inference for Adaptive Experiments via Martingale AIPW/DML with Logged Propensities
Universidad del Pacífico(太平洋大学)
本文提出了一种固定时间跨度的自我归一化推断方法,通过马尔可夫AIPW/DML与记录的倾向性,解决了适应性实验中平均处理效应估计的挑战。
2026-02-17 econ.EM math.ST stat.ME