Inference with High-Dimensional Weak Instruments and the New Keynesian Phillips Curve
高维弱工具变量下的推断与新凯恩斯菲利普斯曲线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：摘要研究依赖数据下的宏观关系推断，并以美国新凯恩斯菲利普斯曲线为应用。
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
高维弱工具变量下的推断与新凯恩斯菲利普斯曲线
- 研究问题
- 当宏观关系的工具变量既弱又高维，且数据存在依赖时，如何构造有效推断并评估常用方法的误导风险？
- 方法与思路
- 作者提出弱工具变量稳健检验，允许任意弱识别及工具变量数量随样本量指数增长，并用于美国菲利普斯曲线推断。
- 材料陈述的贡献
- 摘要称该方法在模拟中具有良好的尺寸与功效；使用 473 个工具变量、116 个观测的应用得到较文献常见结果更宽的置信集。
- 阅读关注点
- 应核对数据依赖和维度增长的具体限制、检验统计量与临界值构造，以及置信集反演和工具变量选取方式。
- 阅读边界
- 解读限于所给 OpenAlex 摘要；摘要未说明工具变量有效性假设、依赖条件及覆盖率保证的具体形式，不能据此确认应用识别有效。
原文摘要
Inference on macroeconomic relations using instrumental variables (IVs) is often characterised by weak and high-dimensional IVs. I propose a weak-IV robust method that remains valid under dependent data, arbitrarily weak identification, and a number of IVs that can increase exponentially with the sample size. I show by simulation that using methods that are not robust to weak and high-dimensional IVs can lead to substantially biased inference, while the proposed test has good size and power properties. Conducting inference on a US New Keynesian Phillips Curve with 473 IVs and 116 observations, I find substantially wider confidence sets than those commonly reported in the literature.