Estimation and Inference for Latent Dual Networks Using High-Dimensional IV Screening
利用高维工具变量筛选估计潜在双重网络并开展推断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：摘要明确设定高维面板网络模型并估计潜在正负交互连接，直接对应面板数据与网络方法，企业杠杆应用不等于资产定价。
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…
利用高维工具变量筛选估计潜在双重网络并开展推断
- 研究问题
- 在高维面板网络模型中，如何从观测数据恢复同时具有强化和竞争作用的两类潜在连接，并在网络选择后进行有效推断？
- 方法与思路
- 作者在允许正负交互渠道并存的结构模型中，通过顺序工具变量筛选直接识别和估计网络，无需事先指定连接结构。
- 材料陈述的贡献
- 摘要称建立精确支持恢复和与预知模型等价的选择后推断，并在美国企业杠杆数据中发现强化与挤出交互并存。
- 阅读关注点
- 应核对工具变量来源与有效性、双重网络的区分条件、稀疏性及信号强度要求，以及选择后推断对网络恢复误差的依赖。
- 阅读边界
- 这是预印本，同行评审及期刊接收未获核实。摘要未披露完整识别与恢复条件，也未报告企业应用数值，不能据此确认具体网络关系。
原文摘要
We develop a novel methodology for estimation and inference in high-dimensional panel network models with latent dual structures. The framework allows outcomes to be affected simultaneously by positive and negative interaction channels, accommodating settings in which some interactions reinforce outcomes while others generate competition and displacement effects. The proposed method identifies and estimates the network directly from the structural model using observed data without the need to pre-specify the network. Network recovery is achieved through a sequential instrumental-variable screening procedure. We establish exact support recovery and oracle-equivalent post-selection inference. An application to U.S. corporate leverage data reveals the coexistence of reinforcing and displacement interactions in firms' financial decisions.