Inference after estimation of breaks
估计断点之后的推断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：摘要明确以估计阈值和结构断点日期为例，研究数据选择之后的估计与推断。
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…
估计断点之后的推断
- 研究问题
- 当阈值或断点等目标参数由数据选择，且这种随机性不可忽略时，如何调整后续估计与置信集以避免选择造成的误导？
- 方法与思路
- 作者将目标选择表述为数据依赖向量欧氏范数的最大化，研究条件与无条件推断，构造分位数无偏估计和新的样本分割程序。
- 材料陈述的贡献
- 摘要称其置信集具有正确覆盖，并在目标参数极限中仍随机的数据生成过程下证明渐近有效性；新分割方法改进常规分割推断。
- 阅读关注点
- 应核对数据选择如何进入推断、条件化所用信息、目标极限随机性的渐近设定，以及分位数无偏和样本分割改进的定义。
- 阅读边界
- 仅据所给出版社摘要，无法判断置信集构造细节、适用的数据生成过程及改进幅度；不能推广为所有模型选择后的有效推断。
原文摘要
In an important class of econometric problems, researchers select a target parameter by maximizing the Euclidean norm of a data-dependent vector. Examples that can be cast into this frame include threshold regression models with estimated thresholds and structural break models with estimated break dates. Estimation and inference procedures that ignore the randomness of the target parameter can be severely biased and misleading when this randomness is non-negligible. This paper studies conditional and unconditional inference in such settings, accounting for the data-dependent choice of target parameters. We detail the construction of quantile-unbiased estimators and confidence sets with correct coverage, and prove their asymptotic validity under data generating process such that the target parameter remains random in the limit. We also provide a novel sample splitting approach that improves on conventional split-sample inference.