Robust Data-Driven Inference for Density-Weighted Average Derivatives
密度加权平均导数的稳健数据驱动推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦平均导数的带宽选择与通用稳健推断，未明确涉及处理效应、面板或其他所列细分对象。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
密度加权平均导数的稳健数据驱动推断
- 研究问题
- 如何为密度加权平均导数选择数据驱动带宽，使其与小带宽渐近框架相容，并改善依赖带宽的稳健置信区间表现？
- 方法与思路
- 作者基于目标估计量的均方误差展开构造代入式带宽选择器，将其与既有稳健推断程序结合，并开展蒙特卡洛比较。
- 材料陈述的贡献
- 摘要报告，新带宽选择器与稳健推断结合后显著改善模拟表现，所得数据驱动置信区间相对文献中的替代程序表现较好。
- 阅读关注点
- 读全文应核对均方误差展开及代入量估计、带宽选择与稳健标准误的配合，以及区间覆盖率和长度的比较设计。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体正则条件、模拟设定及改善幅度未说明，也未赋予平均导数因果解释。
原文摘要
This paper presents a novel data-driven bandwidth selector compatible with the small bandwidth asymptotics developed in Cattaneo, Crump, and Jansson (2009) for density-weighted average derivatives. The new bandwidth selector is of the plug-in variety, and is obtained based on a mean squared error expansion of the estimator of interest. An extensive Monte Carlo experiment shows a remarkable improvement in performance when the bandwidth-dependent robust inference procedures proposed by Cattaneo, Crump, and Jansson (2009) are coupled with this new data-driven bandwidth selector. The resulting robust data-driven confidence intervals compare favorably to the alternative procedures available in the literature. The online supplemental material to this paper contains further results from the simulation study.