Matrix Completion When Missing Is Not at Random and Its Applications in Causal Panel Data Models
非随机缺失下的矩阵补全及其在因果面板模型中的应用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：题名明确涉及因果面板模型，摘要讨论面板缺失补全及个体和时间维度的处理效应。
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
非随机缺失下的矩阵补全及其在因果面板模型中的应用
- 研究问题
- 面板矩阵存在非随机缺失且信号较弱时，如何估计缺失项并开展推断，以及如何研究最小报价单位试点中的个体与时间效应异质性？
- 方法与思路
- 作者利用缺失项数量相对面板规模足够小时的可估计性，将缺失项分组后分别采用核范数正则化，并通过去偏处理建立渐近正态推断。
- 材料陈述的贡献
- 摘要称，该框架允许非随机缺失和较弱信号；对最小报价单位试点的分析提示，处理效应在个体间存在异质性，并具有时间动态。
- 阅读关注点
- 应核对缺失规模限制、分组规则、低秩及去偏条件，并区分矩阵补全的统计条件与将补全结果解释为因果效应所需的识别条件。
- 阅读边界
- 所给摘要来自 arXiv 2308.02364v1 预印本，不能据此声称已同行评审或期刊接收，也不能推断刊本变化；具体识别条件与效应数值未提供。
原文摘要
This paper develops an inferential framework for matrix completion when missing is not at random and without the requirement of strong signals. Our development is based on the observation that if the number of missing entries is small enough compared to the panel size, then they can be estimated well even when missing is not at random. Taking advantage of this fact, we divide the missing entries into smaller groups and estimate each group via nuclear norm regularization. In addition, we show that with appropriate debiasing, our proposed estimate is asymptotically normal even for fairly weak signals. Our work is motivated by recent research on the Tick Size Pilot Program, an experiment conducted by the Security and Exchange Commission (SEC) to evaluate the impact of widening the tick size on the market quality of stocks from 2016 to 2018. While previous studies were based on traditional regression or difference-in-difference methods by assuming that the treatment effect is invariant with respect to time and unit, our analyses suggest significant heterogeneity across units and intriguing dynamics over time during the pilot program.