Ill-posed estimation in high-dimensional models with instrumental variables
高维工具变量模型中的不适定估计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：摘要明确将方法应用于利用汽车市场份额估计的logit需求模型。
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…
高维工具变量模型中的不适定估计
- 研究问题
- 当高维工具变量模型的相关矩阵特征值随样本量趋近于零时，如何对参数向量中的单个或低维分量进行有效推断？
- 方法与思路
- 作者对工具变量Lasso估计量进行去稀疏化，以正则化两阶段最小二乘加校正项构造估计量，并一致估计协方差。
- 材料陈述的贡献
- 摘要称，估计收敛速度取决于相关矩阵的映射性质，线性组合渐近正态，可构造低维置信区间和检验，并应用于汽车需求。
- 阅读关注点
- 应核对特征值衰减与稀疏性条件、校正项构造及协方差估计，并理解汽车市场份额如何进入所估计的logit需求模型。
- 阅读边界
- 仅依据所给出版社摘要；摘要未给出允许的衰减速度、稀疏度或覆盖率结果，不能据此断言任意弱工具变量下推断有效。
原文摘要
This paper is concerned with inference about low-dimensional components of a high-dimensional parameter vector β0 which is identified through instrumental variables. We allow for eigenvalues of the expected outer product of included and excluded covariates, denoted by M, to shrink to zero as the sample size increases. We propose a novel estimator based on desparsification of an instrumental variable Lasso estimator, which is a regularized version of 2SLS with an additional correction term. This estimator converges to β0 at a rate depending on the mapping properties of M. Linear combinations of our estimator of β0 are shown to be asymptotically normally distributed. Based on consistent covariance estimation, our method allows for constructing confidence intervals and statistical tests for single or low-dimensional components of β0. In Monte-Carlo simulations we analyze the finite sample behavior of our estimator. We apply our method to estimate a logit model of demand for automobiles using real market share data.