UNIFORM INFERENCE IN HIGH-DIMENSIONAL DYNAMIC PANEL DATA MODELS WITH APPROXIMATELY SPARSE FIXED EFFECTS
近似稀疏固定效应高维动态面板模型的一致有效推断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。
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：摘要明确研究高维固定效应动态面板模型及其参数推断。
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
近似稀疏固定效应高维动态面板模型的一致有效推断
- 研究问题
- 在高维动态面板及近似稀疏固定效应设定下，如何对增长维度的参数子集进行一致有效推断，并允许误差存在条件异方差？
- 方法与思路
- 作者为一种 Lasso 分别建立动态与外生变量系数、固定效应的 oracle 不等式，构造异方差稳健协方差估计及同时置信带。
- 材料陈述的贡献
- 摘要称，推断与协方差估计具有一致有效性，置信带渐近诚实且按最优速率收缩；固定效应和其余参数的收缩速率不同。
- 阅读关注点
- 应核对近似稀疏性的度量、动态面板的初始条件与依赖限制、推断子集增长速度，以及一致覆盖与最优收缩速率的参数空间。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定维度、稀疏度和样本规模之间的限制；渐近诚实与最优速率不能直接保证小样本覆盖表现。
原文摘要
We establish oracle inequalities for a version of the Lasso in high-dimensional fixed effects dynamic panel data models. The inequalities are valid for the coefficients of the dynamic and exogenous regressors. Separate oracle inequalities are derived for the fixed effects. Next, we show how one can conduct uniformly valid inference on the parameters of the model and construct a uniformly valid estimator of the asymptotic covariance matrix which is robust to conditional heteroskedasticity in the error terms. Allowing for conditional heteroskedasticity is important in dynamic models as the conditional error variance may be nonconstant over time and depend on the covariates. Furthermore, our procedure allows for inference on high-dimensional subsets of the parameter vector of an increasing cardinality. We show that the confidence bands resulting from our procedure are asymptotically honest and contract at the optimal rate. This rate is different for the fixed effects than for the remaining parts of the parameter vector.