ALTERNATIVE ASYMPTOTICS AND THE PARTIALLY LINEAR MODEL WITH MANY REGRESSORS
多回归变量部分线性模型的替代渐近理论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：摘要重点是多协变量部分线性模型的通用渐近推断，未明确给出因果设计或其他所列细分领域的研究对象，故暂不分类。
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…
多回归变量部分线性模型的替代渐近理论
- 研究问题
- 在部分线性模型中，若控制变量数量与样本量同阶增长，如何对关注的结构系数进行推断，并修正传统标准误的偏差？
- 方法与思路
- 作者采用协变量数量随样本量快速增长的渐近框架，推导更大的极限方差，并研究同方差下自由度调整标准误的作用。
- 材料陈述的贡献
- 摘要称，文章获得不同于常规理论的正态极限，同方差时可用自由度调整反映额外方差，并联系多工具变量与小带宽理论。
- 阅读关注点
- 应核对变量数量与样本量之比的限制、部分线性设定及设计矩阵条件，并确认同方差修正结论是否能推广到异方差情形。
- 阅读边界
- 仅据所给 Crossref 版本摘要，不能判断完整正则条件或异方差推断方案；结构效应的表述本身不足以建立因果识别。
原文摘要
Many empirical studies estimate the structural effect of some variable on an outcome of interest while allowing for many covariates. We present inference methods that account for many covariates. The methods are based on asymptotics where the number of covariates grows as fast as the sample size. We find a limiting normal distribution with variance that is larger than the standard one. We also find that with homoskedasticity this larger variance can be accounted for by using degrees-of-freedom-adjusted standard errors. We link this asymptotic theory to previous results for many instruments and for small bandwidth(s) distributional approximations.