Ridge Estimation of High Dimensional Two-Way Fixed Effect Regression
高维双向固定效应回归的岭估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：双向固定效应回归及劳动者与企业匹配对应面板方法，稀疏二部网络则直接对应网络方向。
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…
关注这篇论文的作者
高维双向固定效应回归的岭估计
- 研究问题
- 在稀疏二部网络的高维双向固定效应回归中，岭正则化如何影响固定效应估计偏差及方差协方差矩阵的近似？
- 方法与思路
- 作者研究岭估计并建立集中不等式，在岭参数按网络规模对数增长时，将偏差及方差协方差矩阵联系到确定性等价量。
- 材料陈述的贡献
- 摘要称，这些确定性等价量仅依赖期望网络，并提供模拟及劳动者与企业匹配的行政工资数据应用来说明方法。
- 阅读关注点
- 核对网络生成、稀疏性和岭参数增长的具体条件，以及确定性等价量的计算、近似误差和工资应用中的解释。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验；摘要未说明集中界、网络条件或调参细节，也未报告模拟数值。
原文摘要
We study a ridge estimator for the high-dimensional two-way fixed effect regression model with a sparse bipartite network. We develop concentration inequalities showing that when the ridge parameters increase as the log of the network size, the bias, and the variance-covariance matrix of the vector of estimated fixed effects converge to deterministic equivalents that depend only on the expected network. We provide simulations and an application using administrative data on wages for worker-firm matches.