ORACLE EFFICIENT VARIABLE SELECTION IN RANDOM AND FIXED EFFECTS PANEL DATA MODELS
随机效应与固定效应面板模型中的神谕有效变量选择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。
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：摘要明确研究线性随机效应与固定效应面板模型中的变量选择。
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
随机效应与固定效应面板模型中的神谕有效变量选择
- 研究问题
- 当面板的个体和时间维度同时增长时，Bridge 估计能否正确选择变量，并使相关变量的估计达到已知真实模型时的渐近表现？
- 方法与思路
- 作者将 Bridge 估计理论扩展至线性随机效应和固定效应面板，并研究解释变量多于观测数时的 Marginal Bridge 变量选择。
- 材料陈述的贡献
- 摘要称 Bridge 估计具有神谕有效性；高维情形下，Marginal Bridge 在高斯误差及部分正交条件下可渐近正确区分变量。
- 阅读关注点
- 应核对两个面板维度与变量数的增长关系、惩罚参数选择、效应处理，以及高斯误差和部分正交条件各自适用的结论。
- 阅读边界
- 仅据所给 Crossref 摘要解读；摘要未列出完整条件或有限样本证据，神谕性质是渐近陈述，不能保证实际样本必然选对模型。
原文摘要
This paper generalizes the results for the Bridge estimator of Huang, Horowitz, and Ma (2008) to linear random and fixed effects panel data models which are allowed to grow in both dimensions. In particular, we show that the Bridge estimator isoracle efficient. It can correctly distinguish between relevant and irrelevant variables and the asymptotic distribution of the estimators of the coefficients of the relevant variables is the same as if only these had been included in the model, i.e. as if an oracle had revealed the true model prior to estimation. In the case of more explanatory variables than observations we prove that the Marginal Bridge estimator can asymptotically correctly distinguish between relevant and irrelevant explanatory variables if the error terms are Gaussian. Furthermore, a partial orthogonality condition of the same type as in Huang et al. (2008) is needed to restrict the dependence between relevant and irrelevant variables.