Granular Instrumental Variables: Estimation and Inference
颗粒工具变量：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：摘要的明确金融应用是总量股市乘数与投资者股票需求弹性，直接关联需求变化对资产价格的影响。
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…
颗粒工具变量：估计与推断
- 研究问题
- 在存在潜在总量冲击且因子载荷未知时，如何构造有效的颗粒工具变量，并进行估计、统计推断和模型设定检验？
- 方法与思路
- 作者以因子载荷空间的正交补刻画有效颗粒工具变量，据此提出未知载荷下的可行构造程序及相应推断和设定检验。
- 材料陈述的贡献
- 摘要称程序不要求较大的横截面维度；股市乘数应用显示投资者部门间需求弹性异质性，并可能为非弹性市场假说提供支持。
- 阅读关注点
- 应核对载荷空间的识别、正交补与工具有效性的联系、渐近推断所需样本结构，以及股市乘数和部门弹性的解释。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实；摘要未给出工具有效性条件或弹性数值，对市场假说的支持仍需核对。
原文摘要
We develop an estimation and inference framework for granular instrumental variables (GIVs) in models with latent aggregate shocks. Our key insight is that valid GIVs are characterized by the orthogonal complement of the factor-loading space. This characterization yields a feasible procedure for constructing GIVs when factor loadings are unknown and does not require a large cross-sectional dimension. We provide practical procedures for inference and specification testing, and apply the framework to estimate the aggregate equity market multiplier. Our empirical results reveal substantial heterogeneity in equity demand elasticities across investor sectors and may provide nuanced support for the inelastic-markets hypothesis.