Inference after discretizing time-varying unobserved heterogeneity
时变不可观测异质性离散化后的推断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：摘要明确研究双向异质性的线性面板模型，并将其用于财政政策这一宏观应用。
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
时变不可观测异质性离散化后的推断
- 研究问题
- 当用离散类型近似时变不可观测异质性，而真实模型并不存在精确分组结构时，如何对聚类后的目标参数进行有效推断？
- 方法与思路
- 作者在线性面板模型的非可分双向不可观测异质性情形中，借鉴双重机器学习思路，利用减偏矩构建推断程序。
- 材料陈述的贡献
- 摘要称该方法填补非精确分组模型中聚类后有效推断的缺口，并用渐近理论、模拟及财政政策应用展示其表现。
- 阅读关注点
- 应核对异质性结构、聚类近似误差与面板维度的条件，检查减偏矩如何处理聚类误差及标准误如何构造。
- 阅读边界
- 这是预印本，同行评审或期刊接收未经核实；摘要未给出具体渐近条件或应用估计值，不能判断经济结论的稳健性。
原文摘要
Approximating time-varying unobserved heterogeneity by discrete types has become increasingly popular in economics. Yet, provably valid post-clustering inference for target parameters in models that do not impose an exact group structure is still lacking. This paper fills this gap in the leading case of a linear panel data model with nonseparable two-way unobserved heterogeneity. Building on insights from the double machine learning literature, we propose a simple inference procedure based on a bias-reducing moment. Asymptotic theory and simulations suggest excellent performance. In the application on fiscal policy we revisit, the novel approach yields conclusions in line with economic theory.