Semiparametric inference for impulse response functions using double/debiased machine learning
用双重／去偏机器学习对脉冲响应函数进行半参数推断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：摘要明确研究时间序列中的动态因果效应与脉冲响应，并应用于宏观经济冲击。
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
用双重／去偏机器学习对脉冲响应函数进行半参数推断
- 研究问题
- 当离散处理沿时间反复发生并影响未来结果时，如何在允许非参数关系和序列相关的条件下估计动态因果响应？
- 方法与思路
- 作者将双重机器学习理论由独立同分布扩展至时间序列，用灵活方法估计辅助函数，构造脉冲响应的去偏估计量。
- 材料陈述的贡献
- 摘要称估计量具有一致性及参数速率的渐近正态性，并用含序列相关的模拟和宏观冲击应用展示动态效应推断。
- 阅读关注点
- 核对动态处理的识别条件、时间依赖限制与辅助函数收敛要求，并检查样本划分和不同响应期限下的推断实现。
- 阅读边界
- 这是arXiv预印本，同行评审或期刊接收未核实；摘要未列出因果识别和依赖条件，不能据此认为任意时间序列均适用。
原文摘要
We introduce a double/debiased machine learning estimator for the impulse response function in settings where a time series of interest is subjected to multiple discrete treatments, assigned over time, which can have a causal effect on future outcomes. The proposed estimator can rely on fully nonparametric relations between treatment and outcome variables, opening up the possibility to use flexible machine learning approaches to estimate impulse response functions. To this end, we extend the theory of double machine learning from an i.i.d. to a time series setting and show that the proposed estimator is consistent and asymptotically normally distributed at the parametric rate, allowing for semiparametric inference for dynamic effects in a time series setting. The properties of the estimator are validated numerically in finite samples by applying it to learn the impulse response function in the presence of serial dependence in both the confounder and observation innovation processes. We also illustrate the methodology empirically by applying it to the estimation of the effects of macroeconomic shocks.