Least Squares with Error in Variables
含变量测量误差的最小二乘估计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。
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：摘要明确针对面板数据中的处理效应、合成控制和反事实估计，因此直接涉及面板数据方法与因果推断。
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
含变量测量误差的最小二乘估计
- 研究问题
- 当面板处理效应估计使用带有相关测量误差的高维回归变量时，如何建立最小二乘与合成控制估计的有效推断依据？
- 方法与思路
- 作者研究高维相关测量误差下的最小二乘，并将结果用于合成控制；渐近框架要求处理前期数增加，控制单位数可远大于期数。
- 材料陈述的贡献
- 摘要称，推导了合成控制渐近无偏、正态且方差可估的条件，无需假定时间平稳、单位可交换或不存在弱因子。
- 阅读关注点
- 应核对替代上述假设的具体条件、误差相关结构、维度增长要求，以及方差估计如何处理测量误差和弱因子。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未列出完整条件，不能将放松若干假设理解为无条件有效。
原文摘要
Error-in-variables regression is a common ingredient in treatment effect estimators using panel data. This includes synthetic control estimators, counterfactual time series forecasting estimators, and combinations. We study high-dimensional least squares with correlated error-in-variables with a focus on these uses. We use our results to derive conditions under which the synthetic control estimator is asymptotically unbiased and normal with estimable variance, permitting inference without assuming time-stationarity, unit-exchangeability, or the absence of weak factors. These results hold in an asymptotic regime in which the number of pre-treatment periods goes to infinity and the number of control units can be much larger $(p \gg n)$.