Inference in Linear Regression Models with Many Covariates and Heteroskedasticity
多协变量与异方差线性回归中的推断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：摘要明确将方法应用于含大量固定效应的线性面板模型，支持面板数据分类；一般回归部分不足以另定因果方向。
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…
多协变量与异方差线性回归中的推断
- 研究问题
- 在线性回归中，若协变量数量与样本量同阶且存在未知形式的异方差，常用稳健标准误是否仍可靠，应如何修正推断？
- 方法与思路
- 作者采用协变量数量可与样本量同阶增长的高维渐近框架，分析常用异方差稳健标准误，并提出新的自动计算公式。
- 材料陈述的贡献
- 摘要称，常用 Eicker–White 标准误在该渐近框架下不一致；新公式兼顾多协变量与异方差，并讨论多固定效应面板等应用。
- 阅读关注点
- 应核对协变量占比与设计矩阵条件、新方差公式的可计算性，以及面板多固定效应情形是否允许组内相关误差。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未核实；结论依赖所用高维渐近框架，摘要未说明是否兼具聚类稳健性。
原文摘要
The linear regression model is widely used in empirical work in Economics, Statistics, and many other disciplines. Researchers often include many covariates in their linear model specification in an attempt to control for confounders. We give inference methods that allow for many covariates and heteroskedasticity. Our results are obtained using high-dimensional approximations, where the number of included covariates are allowed to grow as fast as the sample size. We find that all of the usual versions of Eicker-White heteroskedasticity consistent standard error estimators for linear models are inconsistent under this asymptotics. We then propose a new heteroskedasticity consistent standard error formula that is fully automatic and robust to both (conditional)\ heteroskedasticity of unknown form and the inclusion of possibly many covariates. We apply our findings to three settings: parametric linear models with many covariates, linear panel models with many fixed effects, and semiparametric semi-linear models with many technical regressors. Simulation evidence consistent with our theoretical results is also provided. The proposed methods are also illustrated with an empirical application.