Inference for high-dimensional instrumental variables regression
高维工具变量回归的统计推断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：摘要以工具变量处理内生解释变量并推断回归系数，直接对应因果推断常用的工具变量方法。
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
高维工具变量回归的统计推断
- 研究问题
- 在解释变量维度较高且各变量都可能内生时，如何对第二阶段回归系数的单个分量构造渐近有效的置信区间？
- 方法与思路
- 作者在线性第一阶段与第二阶段框架中，对一般第二阶段估计量作参数式一步更新，并提出满足相关条件的两阶段 Lasso。
- 材料陈述的贡献
- 摘要称给出更新量渐近正态的条件，证明第二阶段 Lasso 满足这些条件，据此构造系数分量的置信区间并开展模拟。
- 阅读关注点
- 应核对工具变量的有效性和强度条件、稀疏性与维度增长要求，以及一步更新、标准误估计和区间构造的细节。
- 阅读边界
- 仅据所给出版社摘要，不能判断弱工具变量或模型误设下是否有效；回归系数能否作因果解释还需额外核对模型依据。
原文摘要
This paper concerns statistical inference for the components of a high-dimensional regression parameter despite possible endogeneity of each regressor. Given a first-stage linear model for the endogenous regressors and a second-stage linear model for the dependent variable, we develop a novel adaptation of the parametric one-step update to a generic second-stage estimator. We provide conditions under which the scaled update is asymptotically normal. We then introduce a two-stage Lasso procedure and show that the second-stage Lasso estimator satisfies the aforementioned conditions. Using these results, we construct asymptotically valid confidence intervals for the components of the second-stage regression coefficients. We complement our asymptotic theory with simulation studies, which demonstrate the performance of our method in finite samples.