Adaptive Econometric Inference under Unknown Dependence: Contrast-Local Validity
未知依赖下的自适应计量推断：对比目标的局部有效性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：核心是通用协方差与标准误推断；金融校准和房价应用不足以确认其属于特定因子、面板或预测方向。
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
未知依赖下的自适应计量推断：对比目标的局部有效性
- 研究问题
- 协方差结构即使整体误设，能否仍对某个系数或加权对比提供准确方差，并据此在结构化修正与非限制推断间选择？
- 方法与思路
- 作者提出对比局部有效性，检验目标特定的协方差污染，比较经数值认证的结构化修正与非限制基准，并分析可检测性和覆盖风险。
- 材料陈述的贡献
- 摘要称，有效结构可在另设的增长块基准中改善目标方差估计速率；校准实验与房价应用展示选择器和目标特定判断。
- 阅读关注点
- 应核对局部有效性的数学定义、选择后的覆盖保证与数值认证方式，特别关注何时不拒绝结构限制具有足够信息。
- 阅读边界
- 所据为 arXiv 预印本，不能确认同行评审或期刊接收；摘要未列出完整依赖条件，校准中预设有效性的结果不能推广至一般误设。
原文摘要
Empirical conclusions can depend on how researchers model dependence when constructing standard errors. We develop contrast-local validity, which asks whether a covariance restriction is accurate for the particular coefficient or weighted contrast being reported, even when the restriction is globally misspecified. The method tests target-specific covariance contamination, compares numerically certified structured corrections with an unrestricted benchmark, and adapts inference to the economic target. In a separate growing-block benchmark, valid structure achieves an optimal faster rate for estimating the target variance, while any globally misspecified covariance approximation must fail for some contrast. In a Fama--French calibration where validity is imposed, the feasible selector preserves nominal coverage and reduces variance-estimation root mean squared error by 39 percent. A publicly available FHFA house-price application illustrates target-specific verdicts across regional exposures. Detectability and coverage-risk analyses show when non-rejection is informative and when unrestricted inference should remain primary.