High-dimensional linear models with many endogenous variables
含大量内生变量的高维线性模型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。
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：摘要仅明确一般高维内生线性模型与工具变量推断，缺少归入所列具体微观、宏观或金融方向的证据。
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…
含大量内生变量的高维线性模型
- 研究问题
- 当高维线性模型含有大量内生变量、并使用大量工具变量识别时，如何构造具有渐近正确覆盖率的诚实置信区域？
- 方法与思路
- 作者在多内生变量与多工具变量框架中提出估计量及置信区域；摘要未说明具体估计算法、工具变量条件或区域构造步骤。
- 材料陈述的贡献
- 摘要明确称所提估计量与置信区域能够实现诚实推断和渐近正确覆盖率，重点解决高维结构方程带来的推断困难。
- 阅读关注点
- 应核对诚实覆盖的参数空间与一致性范围、工具变量识别强度要求，以及维度增长、结构约束和置信区域的计算方式。
- 阅读边界
- 仅据所给出版社摘要；摘要未说明弱工具变量、稀疏性或识别不足情形是否适用，也未提供有限样本覆盖结果。
原文摘要
High-dimensional linear models with endogenous variables play an increasingly important role in the recent econometric literature. In this work, we allow for models with many endogenous variables and make use of many instrumental variables to achieve identification. Because of the high-dimensionality in the structural equation, constructing honest confidence regions with asymptotically correct coverage is non-trivial. Our main contribution is to propose estimators and confidence regions that achieve this goal.