Estimations and Tests for Generalized Mediation Models with High-Dimensional Potential Mediators
高维潜在中介变量下广义中介模型的估计与检验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：摘要直接研究中介效应及直接、间接效应，相关于因果推断，但因果识别条件未说明。
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…
高维潜在中介变量下广义中介模型的估计与检验
- 研究问题
- 公司所属行业与股票价值之间的联系，如何通过大量潜在财务中介变量传递，并分别估计和检验直接效应与间接效应？
- 方法与思路
- 作者用部分惩罚极大似然估计直接效应，构造间接效应的 Wald 检验及直接效应的似然比检验，并考虑完全中介情形。
- 材料陈述的贡献
- 摘要称建立了估计量的理论性质和两类检验的卡方极限分布，另提出完全中介模型下更有效的间接效应估计量。
- 阅读关注点
- 应核对广义中介模型的具体形式、高维参数的稀疏条件、惩罚选择及检验有效性条件，并区分统计中介与因果机制解释。
- 阅读边界
- 仅据所给 OpenAlex 摘要，未核对刊本变化；摘要未说明因果识别假设、维度增长限制及具体模拟和股票应用结果。
原文摘要
Motivated by an empirical analysis of stock reaction to COVID-19 pandemic, we propose a generalized mediation model with high-dimensional potential mediators to study the mediation effects of financial metrics that bridge company’s sector and stock value. We propose an estimation procedure for the direct effect via a partial penalized maximum likelihood method and establish its theoretical properties. We develop a Wald test for the indirect effect and show that the proposed test has a χ2 limiting null distribution. We also develop a partial penalized likelihood ratio test for the direct effect and show that the proposed test asymptotically follows a χ2-distribution under null hypothesis. A more efficient estimator of indirect effect under complete mediation model is also developed. Simulation studies are conducted to examine the finite sample performance of the proposed procedures and compare with some existing methods. We further illustrate the proposed methodology with an empirical analysis of stock reaction to COVID-19 pandemic via exploring the underlying mechanism of the relationship between companies’ sectors and their stock values.