Local Projections Inference with High-Dimensional Covariates without Sparsity
无需稀疏性假设的高维协变量局部投影推断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：摘要明确涉及局部投影脉冲响应和双重差分估计，分别对应冲击分析与因果推断。
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
无需稀疏性假设的高维协变量局部投影推断
- 研究问题
- 当局部投影需要大量控制变量且参数并非稀疏时，如何估计当前冲击的未来响应，并获得可靠的效应推断？
- 方法与思路
- 作者将正交贪婪算法与高维 AIC 结合，用于局部投影中的控制变量选择；讨论脉冲响应和双重差分，并开展模拟及应用。
- 材料陈述的贡献
- 摘要称方法在稠密且持续性较强的模拟中优于传统及 Lasso 局部投影，并报告实证效率改善和主观预期的状态依赖结果。
- 阅读关注点
- 应核对替代稀疏性的参数限制、选择后的推断条件、冲击识别及状态划分，并检查稠密过程和持续性在模拟中的设定。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；无需稀疏性不代表没有复杂度约束，摘要未提供具体条件与数值证据。
原文摘要
This paper presents a comprehensive local projections (LP) framework for estimating future responses to current shocks, robust to high-dimensional controls without relying on sparsity assumptions. The approach is applicable to various settings, including impulse response analysis and difference-in-differences (DiD) estimation. While methods like LASSO exist, they often assume most parameters are exactly zero, limiting their effectiveness in dense data generation processes. I propose a novel technique incorporating high-dimensional covariates in local projections using the Orthogonal Greedy Algorithm with a high-dimensional AIC (OGA+HDAIC) model selection method. This approach offers robustness in both sparse and dense scenarios, improved interpretability, and more reliable causal inference in local projections. Simulation studies show superior performance in dense and persistent scenarios compared to conventional LP and LASSO-based approaches. In an empirical application to Acemoglu, Naidu, Restrepo, and Robinson (2019), I demonstrate efficiency gains and robustness to a large set of controls. Additionally, I examine the effect of subjective beliefs on economic aggregates, demonstrating robustness to various model specifications. A novel state-dependent analysis reveals that inflation behaves more in line with rational expectations in good states, but exhibits more subjective, pessimistic dynamics in bad states.