The Ordinary Least Eigenvalues Estimator
普通最小特征值估计量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：摘要明确针对网络数据回归和不可观测个体效应之间的交互进行估计。
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
普通最小特征值估计量
- 研究问题
- 论文研究网络线性回归中不可观测个体效应相互作用造成的估计噪声，能否利用数据矩阵的特征值结构加以修正。
- 方法与思路
- 作者利用个体效应对矩阵特征值分布的影响，修正普通最小二乘目标函数，并构造渐近正态估计量及渐近协方差估计。
- 材料陈述的贡献
- 摘要称，估计量达到 N 收敛速率，快于所比较标准估计量的平方根 N 速率，并在讨论的部分情形下具有效率或完全消除相关噪声。
- 阅读关注点
- 应核对 N 的定义、网络观测结构、效应交互和回归变量条件，以及速率最优性、效率与完全消除噪声分别适用的情形。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出速率与效率的条件，高阶交互扩展仅被描述为自然可行。
原文摘要
We propose a rate optimal estimator for the linear regression model on network data with interacted (unobservable) individual effects. The estimator achieves a faster rate of convergence $N$ compared to the standard estimators' $\sqrt{N}$ rate and is efficient in cases that we discuss. We observe that the individual effects alter the eigenvalue distribution of the data's matrix representation in significant and distinctive ways. We subsequently offer a correction for the \textit{ordinary least squares}' objective function to attenuate the statistical noise that arises due to the individual effects, and in some cases, completely eliminate it. The new estimator is asymptotically normal and we provide a valid estimator for its asymptotic covariance matrix. While this paper only considers models accounting for first-order interactions between individual effects, our estimation procedure is naturally extendable to higher-order interactions and more general specifications of the error terms.