Simultaneous Confidence Intervals for High-dimensional Linear Models with Many Endogenous Variables
含多个内生变量的高维线性模型同时置信区间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：摘要以工具变量识别含内生变量的模型，研究内生性下目标系数的估计与同时推断。
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…
含多个内生变量的高维线性模型同时置信区间
- 研究问题
- 在内生变量和工具变量都很多的高维线性模型中，如何为多个目标系数构造具有渐近正确覆盖率的同时置信区间？
- 方法与思路
- 作者构造对干扰参数具有额外正交性质的矩条件，用新的枢轴型程序估计高维干扰参数，并以乘子自助法计算同时推断临界值。
- 材料陈述的贡献
- 摘要称提出可获得诚实置信区域的估计与推断方法，并建立乘子自助法的有效性，以处理高维第二阶段带来的同时覆盖困难。
- 阅读关注点
- 应核对工具变量识别条件、维度与干扰参数复杂度限制，以及正交矩条件和枢轴程序的构造，特别是同时覆盖保证的参数范围。
- 阅读边界
- 所据为 arXiv 预印本，不能据此认定同行评审或期刊接收；摘要未说明工具变量强度、具体速率及有限样本覆盖，不能推定弱工具稳健。
原文摘要
High-dimensional linear models with endogenous variables play an increasingly important role in recent econometric literature. In this work we allow for models with many endogenous variables and many instrument variables to achieve identification. Because of the high-dimensionality in the second stage, constructing honest confidence regions with asymptotically correct coverage is non-trivial. Our main contribution is to propose estimators and confidence regions that would achieve that. The approach relies on moment conditions that have an additional orthogonal property with respect to nuisance parameters. Moreover, estimation of high-dimension nuisance parameters is carried out via new pivotal procedures. In order to achieve simultaneously valid confidence regions we use a multiplier bootstrap procedure to compute critical values and establish its validity.