Double/debiased machine learning for treatment and structural parameters
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。
基础文献
收录说明
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。
Determining the Number of Factors in Approximate Factor Models
大维因子模型的因子数
学习大维因子模型中信息准则与因子数选择。
笔记与分组
Inferential Theory for Factor Models of Large Dimensions
大维因子模型的推断
理解估计因子与载荷的误差，以及大维渐近理论。
笔记与分组
Regression Shrinkage and Selection Via the Lasso
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。
笔记与分组
Inference on Treatment Effects after Selection among High-Dimensional Controls
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。
笔记与分组
Variable Selection via Nonconcave Penalized Likelihood and its Oracle Properties
按计量方法范围与引用门槛收录；阅读时请核对原文中的假设、适用范围和结论。
笔记与分组
Additive logistic regression: a statistical view of boosting (With discussion and a rejoinder by the authors)
按计量方法范围与引用门槛收录；阅读时请核对原文中的假设、适用范围和结论。
笔记与分组
THE LASSO METHOD FOR VARIABLE SELECTION IN THE COX MODEL
按计量方法范围与引用门槛收录；阅读时请核对原文中的假设、适用范围和结论。
笔记与分组
Forecasting with artificial neural networks:
按计量方法范围与引用门槛收录；阅读时请核对原文中的假设、适用范围和结论。
笔记与分组
Regression Shrinkage and Selection via The Lasso: A Retrospective
按计量方法范围与引用门槛收录；阅读时请核对原文中的假设、适用范围和结论。
笔记与分组
Estimation and Inference of Heterogeneous Treatment Effects using Random Forests
按计量方法范围与引用门槛收录；阅读时请核对原文中的假设、适用范围和结论。
笔记与分组
Smoothing reference centile curves: The lms method and penalized likelihood
按计量方法范围与引用门槛收录；阅读时请核对原文中的假设、适用范围和结论。
笔记与分组
Simultaneous analysis of Lasso and Dantzig selector
按计量方法范围与引用门槛收录；阅读时请核对原文中的假设、适用范围和结论。
笔记与分组
Bayesian Variable Selection in Linear Regression
按计量方法范围与引用门槛收录；阅读时请核对原文中的假设、适用范围和结论。
笔记与分组
Recurrent Neural Networks for Time Series Forecasting: Current status and future directions
按计量方法范围与引用门槛收录；阅读时请核对原文中的假设、适用范围和结论。
笔记与分组
Mixtures of g Priors for Bayesian Variable Selection
按计量方法范围与引用门槛收录；阅读时请核对原文中的假设、适用范围和结论。
笔记与分组
Variable Importance Assessment in Regression: Linear Regression versus Random Forest
按计量方法范围与引用门槛收录；阅读时请核对原文中的假设、适用范围和结论。
笔记与分组
Spike and slab variable selection: Frequentist and Bayesian strategies
按计量方法范围与引用门槛收录；阅读时请核对原文中的假设、适用范围和结论。
笔记与分组
Nonconcave penalized likelihood with a diverging number of parameters
按计量方法范围与引用门槛收录；阅读时请核对原文中的假设、适用范围和结论。
笔记与分组
Penalized Regressions: The Bridge versus the Lasso
按计量方法范围与引用门槛收录；阅读时请核对原文中的假设、适用范围和结论。
笔记与分组
Measurement Error in Lasso: Impact and Likelihood Bias Correction
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。
笔记与分组
High-dimensional Regression with Noisy and Missing Data: Provable Guarantees with Nonconvexity
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。
笔记与分组
CoCoLasso for High-dimensional Error-in-variables Regression
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。
笔记与分组
Inference in High Dimensional Linear Measurement Error Models
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。
笔记与分组