Branching Fixed Effects: A Proposal for Communicating Uncertainty
分支固定效应：一种传达估计不确定性的方法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：摘要围绕双向固定效应模型展开，并利用数据网络的分支与树打包结构进行估计和不确定性量化。
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
分支固定效应：一种传达估计不确定性的方法
- 研究问题
- 研究者使用其他团队提供的双向固定效应估计时，如何借助原始数据的网络结构评估不确定性，并支持矩估计与收缩？
- 方法与思路
- 作者提出网络样本分割，将数据划为统计独立的分支，每个分支用于无偏估计目标参数，并借助图论的树打包结果设计算法。
- 材料陈述的贡献
- 摘要称，分支估计可用于不确定性量化、矩估计与收缩；作者开发面向大型网络的提取算法，并以意大利 Veneto 数据示范。
- 阅读关注点
- 应核对分支独立性与无偏性所需条件、网络连通要求、树打包算法的可行性，以及分支数量与估计精度之间的关系。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收状态未核实；摘要未说明独立分支成立的误差条件，也未给出算法复杂度或应用数值。
原文摘要
Economists often rely on estimates of linear fixed effects models produced by other teams of researchers. Assessing the uncertainty in these estimates can be challenging. I propose a form of sample splitting for networks that partitions the data into statistically independent branches, each of which can be used to compute an unbiased estimate of the parameters of interest in two-way fixed effects models. These branches facilitate uncertainty quantification, moment estimation, and shrinkage. Drawing on results from the graph theory literature on tree packing, I develop algorithms to efficiently extract branches from large networks. I illustrate these techniques using a benchmark dataset from Veneto, Italy that has been widely used to study firm wage effects.