Robust Estimation and Inference in Panels with Interactive Fixed Effects
交互固定效应面板中的稳健估计与推断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：摘要直接研究含交互固定效应和弱因子结构的面板回归系数估计与推断。
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…
交互固定效应面板中的稳健估计与推断
- 研究问题
- 交互固定效应面板中的某些因子较弱时，如何降低回归系数估计偏差，并构造不依赖因子强度的有效置信区间？
- 方法与思路
- 作者利用极小极大线性估计理论和初始交互固定效应估计误差的核范数界构造去偏估计，并让区间显式计入剩余偏差。
- 材料陈述的贡献
- 摘要称所提估计具有改进的收敛速率，区间对因子强度具有一致有效性；模拟显示弱因子下改善较大，强因子下准确性损失较小。
- 阅读关注点
- 应核对核范数误差界如何获得、统一有效性的参数范围、偏差界的可实施性，以及弱因子与强因子模拟中的比较标准。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收状态未核实。摘要未说明误差结构、面板渐近方式和具体速率，不能据此确认任意面板下有效。
原文摘要
We consider estimation and inference for a regression coefficient in panels with interactive fixed effects (i.e., with a factor structure). We demonstrate that existing estimators and confidence intervals (CIs) can be heavily biased and size-distorted when some of the factors are weak. We propose estimators with improved rates of convergence and bias-aware CIs that remain valid uniformly, regardless of factor strength. Our approach applies the theory of minimax linear estimation to form a debiased estimate, using a nuclear norm bound on the error of an initial estimate of the interactive fixed effects. Our resulting bias-aware CIs take into account the remaining bias caused by weak factors. Monte Carlo experiments show substantial improvements over conventional methods when factors are weak, with minimal costs to estimation accuracy when factors are strong.