Local Projection Inference in High Dimensions
高维环境下的局部投影推断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：摘要明确以高维局部投影估计冲击响应，并应用于货币政策和政府支出分析。
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…
高维环境下的局部投影推断
- 研究问题
- 当局部投影包含大量解释变量时，如何估计冲击响应并开展有效推断，使目标响应参数免于直接受到正则化惩罚？
- 方法与思路
- 作者采用去稀疏化或去偏 lasso 估计高维局部投影，同时对目标冲击响应参数不施加惩罚，并分析估计量的统一渐近正态性。
- 材料陈述的贡献
- 摘要称，在一般条件下建立统一渐近正态性，通过模拟考察小样本表现，并在货币政策和政府支出两个宏观研究场景中应用。
- 阅读关注点
- 应核对高维稀疏性与时间依赖条件、去偏步骤及标准误构造，并确认统一性的索引范围和应用中经济冲击的识别方式。
- 阅读边界
- 所据为 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未列明一般条件，也未说明统一正态性是否涵盖多个响应期。
原文摘要
In this paper, we estimate impulse responses by local projections in high-dimensional settings. We use the desparsified (de-biased) lasso to estimate the high-dimensional local projections, while leaving the impulse response parameter of interest unpenalized. We establish the uniform asymptotic normality of the proposed estimator under general conditions. Finally, we demonstrate small sample performance through a simulation study and consider two canonical applications in macroeconomic research on monetary policy and government spending.