Price elasticity of electricity demand: Using instrumental variable regressions to address endogeneity and autocorrelation of high-frequency time series
电力需求价格弹性：用工具变量处理高频时间序列的内生性与自相关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：摘要直接研究工具变量识别价格弹性及小时级序列的自相关，支持因果推断与时间序列分类；没有金融高频交易数据依据。
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…
电力需求价格弹性：用工具变量处理高频时间序列的内生性与自相关
- 研究问题
- 估计小时级总量电力需求的短期价格弹性时，价格内生性及工具变量和结果的自相关如何使普通回归与常规工具变量估计失真？
- 方法与思路
- 作者建立模拟电力需求统计特征的合成环境，以因果图解释自相关偏差，并调整条件工具变量和辅助工具变量两种扩展方法。
- 材料陈述的贡献
- 摘要称，所设环境中常规工具变量回归也会不一致，风力工具可能严重放大弹性，而两种扩展能够识别真实短期弹性。
- 阅读关注点
- 应核对合成数据的动态结构、风力工具的有效性、条件变量与辅助变量的选取，以及偏差结果和修正方法适用的具体条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要的识别与偏差发现依赖所设环境，未提供真实市场的验证结果。
原文摘要
This paper examines empirical methods for estimating the response of aggregated electricity demand to high-frequency price signals, the short-term elasticity of electricity demand. We investigate how the endogeneity of prices and the autocorrelation of the time series, which are particularly pronounced at hourly granularity, affect and distort common estimators. After developing a controlled test environment with synthetic data that replicate key statistical properties of electricity demand, we show that not only the ordinary least square (OLS) estimator is inconsistent (due to simultaneity), but so is a regular instrumental variable (IV) regression (due to autocorrelation). Using wind as an instrument, as it is commonly done, may result in an estimate of the demand elasticity that is inflated by an order of magnitude. We visualize the reason for the Thams bias using causal graphs and show that its magnitude depends on the autocorrelation of both the instrument, and the dependent variable. We further incorporate and adapt two extensions of the IV estimation, conditional IV and nuisance IV, which have recently been proposed by Thams et al. (2022). We show that these extensions can identify the true short-term elasticity in a synthetic setting and are thus particularly promising for future empirical research in this field.