Heteroscedasticity-Robust Inference in Linear Regression Models With Many Covariates
含大量协变量的线性回归异方差稳健推断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：摘要主题是通用线性回归的大量控制变量与异方差推断，虽有工资应用，但未明确因果识别或其他所列细分。
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
含大量协变量的线性回归异方差稳健推断
- 研究问题
- 当控制变量数量与样本量以相同速度增长时，通常的异方差稳健协方差估计为何失效，如何修正相应检验的尺寸？
- 方法与思路
- 作者提出适用于大量控制变量的替代协方差矩阵估计量，给出高层有效性条件，并对三个特殊情形提供更基础的条件。
- 材料陈述的贡献
- 摘要称该方法在所给条件下实现渐近尺寸正确的推断，并通过模拟和工会工资溢价应用展示常规稳健推断的问题与修正。
- 阅读关注点
- 应核对控制变量占比限制、协方差修正的可计算性及误差相关要求，并检查三个特殊情形如何满足高层条件。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；摘要未给出估计公式、三类情形及具体条件，也不足以确认工资溢价的因果解释。
原文摘要
We consider inference in linear regression models that is robust to heteroscedasticity and the presence of many control variables. When the number of control variables increases at the same rate as the sample size the usual heteroscedasticity-robust estimators of the covariance matrix are inconsistent. Hence, tests based on these estimators are size distorted even in large samples. An alternative covariance-matrix estimator for such a setting is presented that complements recent work by Cattaneo, Jansson, and Newey. We provide high-level conditions for our approach to deliver (asymptotically) size-correct inference as well as more primitive conditions for three special cases. Simulation results and an empirical illustration to inference on the union premium are also provided. Supplementary materials for this article are available online.