High Dimensional Sparse Econometric Models: An Introduction
高维稀疏计量经济模型导论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：摘要主要介绍通用高维回归，国际增长应用未明确涉及宏观面板或其他所列专门方法。
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
高维稀疏计量经济模型导论
- 研究问题
- 如何理解高维稀疏计量模型，并在候选变量很多的线性与非参数回归中，使用惩罚及惩罚后估计开展实证分析？
- 方法与思路
- 作者以概念性章节介绍 L1 惩罚与惩罚后方法，结合经济计量例子、基本理论、蒙特卡洛模拟及国际增长应用。
- 材料陈述的贡献
- 摘要称系统展示高维稀疏模型的概念与方法，并在应用中支持 Solow-Swan 模型的经验有效性；未明确声称提出新估计量。
- 阅读关注点
- 应核对章节中的稀疏性定义、基本理论适用条件，以及国际增长应用如何设定模型、选择变量和评价经验有效性。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明应用数据、识别条件及支持增长模型的具体证据。
原文摘要
In this chapter we discuss conceptually high dimensional sparse econometric models as well as estimation of these models using L1-penalization and post-L1-penalization methods. Focusing on linear and nonparametric regression frameworks, we discuss various econometric examples, present basic theoretical results, and illustrate the concepts and methods with Monte Carlo simulations and an empirical application. In the application, we examine and confirm the empirical validity of the Solow-Swan model for international economic growth.