Debiased Inference of Average Partial Effects in Single-Index Models
高维单指标模型平均偏效应的去偏推断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：摘要只明确高维单指标模型的平均偏效应，未说明因果识别或特定经济结构。
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
高维单指标模型平均偏效应的去偏推断
- 研究问题
- 在高维单指标回归中，如何估计平均偏效应，使其在模型稀疏性假设下达到根号样本量一致性并渐近无偏？
- 方法与思路
- 作者提出平均偏效应的去偏估计方法，并以底层回归模型的稀疏性作为理论前提；摘要未说明具体估计步骤或推断程序。
- 材料陈述的贡献
- 摘要称，所提方法在稀疏性假设下具有根号样本量一致性和渐近无偏性；该短文作为对另一篇论文的评论而撰写。
- 阅读关注点
- 应核对单指标模型与平均偏效应的定义、稀疏度增长要求、去偏项构造，以及是否提供渐近分布和可用的置信区间。
- 阅读边界
- 所据为 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要极简，未说明完整条件、标准误或平均偏效应的因果解释。
原文摘要
We propose a method for average partial effect estimation in high-dimensional single-index models that is root-n-consistent and asymptotically unbiased given sparsity assumptions on the underlying regression model. This note was prepared as a comment on Wooldridge and Zhu [2018], forthcoming in the Journal of Business and Economic Statistics.