Inference on the New Keynesian Phillips Curve with Very Many Instrumental Variables
使用大量工具变量的新凯恩斯菲利普斯曲线推断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。
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：摘要针对依赖观测下的新凯恩斯菲利普斯曲线及其他宏观单方程关系推断，最接近宏观时间序列方向。
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
使用大量工具变量的新凯恩斯菲利普斯曲线推断
- 研究问题
- 新凯恩斯菲利普斯曲线的工具变量既弱又高维时，如何进行有效推断，并避免临时变量筛选造成的选择后偏差？
- 方法与思路
- 作者通过模拟考察筛选后推断偏差，提出适用于依赖数据、任意弱识别及工具变量数快速增长的 Sup Score 检验。
- 材料陈述的贡献
- 摘要称检验在工具变量数随样本量指数增长时仍有效；使用三百五十九个工具变量与一百七十九个观测得到更宽置信集。
- 阅读关注点
- 应核对依赖数据和高维增长的具体限制、检验临界值构造，以及弱识别稳健性、筛选比较和菲利普斯曲线工具变量来源。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未列出有效性的完整条件及置信集范围，不能将其理解为无条件保证。
原文摘要
Limited-information inference on New Keynesian Phillips Curves (NKPCs) and other single-equation macroeconomic relations is characterised by weak and high-dimensional instrumental variables (IVs). Beyond the efficiency concerns previously raised in the literature, I show by simulation that ad-hoc selection procedures can lead to substantial biases in post-selection inference. I propose a Sup Score test that remains valid under dependent data, arbitrarily weak identification, and a number of IVs that increases exponentially with the sample size. Conducting inference on a standard NKPC with 359 IVs and 179 observations, I find substantially wider confidence sets than those commonly found.