L2-relaxation for Economic Prediction
经济预测中的L2松弛方法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：摘要同时涉及宏观指标预测、面板数据政策评估和平均处理效应推断，并扩展至多个处理单位，直接支持这三个方法方向。
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
经济预测中的L2松弛方法
- 研究问题
- 当预测变量数量可能超过样本量，且潜在因子导致稠密回归和高度相关协变量时，如何进行样本外预测并用于面板政策评估？
- 方法与思路
- 作者提出L2松弛方法估计回归系数和预测样本外结果，将其用于面板数据政策评估，并扩展到多个处理单位和较短处理后时期。
- 材料陈述的贡献
- 摘要称建立了平均处理效应的推断方法，模拟展示预测与政策评估表现，并以中国生产者价格和房地产政策、英国脱欧影响作应用。
- 阅读关注点
- 应核对L2松弛的目标函数、潜在因子与稠密回归条件，以及多处理单位下反事实预测和平均处理效应推断的有效性要求。
- 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；摘要未列出政策效应识别假设、推断条件或比较数值，不能判断改进幅度。
原文摘要
We leverage an ensemble of many regressors, the number of which can exceed the sample size, for economic prediction. An underlying latent factor structure implies a dense regression model with highly correlated covariates. We propose the L2-relaxation method for estimating the regression coefficients and extrapolating the out-of-sample (OOS) outcomes. This framework can be applied to policy evaluation using the panel data approach (PDA), where we further establish inference for the average treatment effect. In addition, we extend the traditional single unit setting in PDA to allow for many treated units with a short post-treatment period. Monte Carlo simulations demonstrate that our approach exhibits excellent finite sample performance for both OOS prediction and policy evaluation. We illustrate our method with two empirical examples: (i) predicting China's producer price index growth rate and evaluating the effect of real estate regulations, and (ii) estimating the impact of Brexit on the stock returns of British and European companies.