Identification in Parametric Models
参数模型识别
区分识别与估计;在正则条件下用信息矩阵理解局部识别。
当前公开 842 篇基础文献,其中 71 篇逐篇选编,其余由引文线索扩充。收录计量方法、统计基础及相关应用/综述,按题录身份与计量相关性复核;存疑记录暂缓展示,继续核验。
历史引用数据用于选编线索,不代表论文质量或完整排名。“高被引线索”按选编记录中超过 1,000 次引用筛选,引用排序也采用选编时的记录;引用徽标以所标注的核验日期为准,可点击核对 OpenAlex 来源。不同版本不合并,统计口径与 Google Scholar 不同,缺失数据不记作零。
按微观、宏观、金融及细分方向分类;通用方法允许交叉。选择研究方向可查看阅读路线,路线按学习衔接组织。具体假设、证明和结论以原文为准。
AI 解读依据可靠摘要或已核实原文片段;材料不足时保留待解读状态,题录、原文链接与已有解读继续开放。
阅读路线按学习衔接组织,不表示论文排名;预备文献可以来自相邻方向。文献清单仍遵循当前方法和关键词筛选。
参数模型识别
区分识别与估计;在正则条件下用信息矩阵理解局部识别。
局部平均处理效应
给出工具变量在单调性等条件下识别 LATE 的解释。
非参数工具变量
用完备性刻画非参数条件矩限制的识别,连接识别与逆问题。
部分识别与集合推断
研究参数不能点识别时如何估计集合、构造置信区域。
广义矩估计
GMM 一致性、渐近正态性与有效加权的基础。
分位数回归
从条件均值扩展到条件分布不同位置的估计。
部分线性半参数回归
通过残差化估计部分线性模型,是理解现代正交化方法的基础。
半参数渐近方差
分析估计辅助函数对最终估计量渐近方差的影响。
异方差稳健推断
异方差稳健协方差估计的基础,不要求误差同方差。
HAC 协方差
构造半正定的异方差与自相关稳健协方差估计。
HAC 核与带宽
系统研究 HAC 协方差估计以及核与带宽选择。
弱工具变量
展示工具变量较弱时常规渐近近似与推断的问题。
处理效应半参数效率
刻画倾向得分在平均处理效应有效估计中的作用。
双重/去偏机器学习
用 Neyman 正交得分与交叉拟合处理高维辅助参数估计误差。
多时期 DID
以组别—时期处理效应为基本对象,处理错位处理时点。
异质处理效应事件研究
分析传统双向固定效应事件研究的污染问题并提出替代估计。
动态面板固定效应偏误
理解固定 T 动态面板中固定效应估计的偏误来源。
差分 GMM
动态面板 GMM 与序列相关、过度识别等设定检验的重要起点。
系统 GMM
研究初始条件带来的额外矩限制及动态面板估计效率。
交互固定效应
研究大 N、大 T 面板中的潜在共同因子与异质载荷。
最大得分估计
从效用排序出发理解离散选择模型的半参数估计。
样本选择偏误
理解非随机样本选择为何导致偏误,以及选择方程与结果方程的关系。
定性数据与固定效应
连接离散结果与个体异质性,理解定性面板数据的建模问题。
动态离散选择与结构估计
以设备替换决策理解动态规划、状态转移和结构参数估计。
差异化产品需求估计
理解随机系数需求、价格内生性和市场均衡如何共同进入结构估计。
条件选择概率方法
比较条件选择概率思路与直接求解动态模型的计算路线。
拍卖模型的非参数估计
由投标分布恢复潜在价值分布,体会均衡限制在识别中的作用。
无条件分位数回归
区分条件与无条件分位数,学习再中心化影响函数的用途。
反事实分布推断
从均值效应扩展到整个反事实分布,理解分布估计与推断。
社会效应与反射问题
区分内生同伴效应、情境效应与相关效应,认识反射问题。
存在干扰时的因果效应
学习干扰与暴露映射如何改变处理效应的定义和估计。
共同相关效应
理解跨截面相关与不可观测共同因子,以及共同相关效应估计思路。
Lasso 与变量选择
理解惩罚回归如何结合收缩和变量选择,为高维方法打基础。
高维控制下的处理效应推断
学习变量选择如何与处理效应推断衔接,以及双重选择的动机。
合成控制
学习用对照单位的加权组合构建干预单位的反事实。
断点回归的稳健推断
理解局部多项式偏误及其对断点回归置信区间的影响。
Lasso 中的测量误差:影响与似然偏差校正
研究协变量测量误差对 Lasso 的影响及校正;预印本旧题名为 Measurement Error in Lasso: Impact and Correction。
带噪声与缺失数据的高维回归:非凸问题的可证明保证
讨论高维回归中带噪声或缺失协变量的估计问题,给出统计误差与优化的理论保证。
高维误差变量回归的 CoCoLasso
研究带有协变量测量误差的高维回归,提出凸校正 Lasso 方法。
高维线性测量误差模型的统计推断
针对高维线性测量误差模型构造统计推断;预印本首次提交于 2020 年。