计量经济学 http://lists.repec.org/mailman/listinfo/nep-ecm 计量经济学 2024-05-27 基于鞅差分散度的条件矩模型估计 http://d.repec.org/n？u=repec:arx:papers:2404.11092&r=ecm 我们通过鞅差分散度（MDD）为条件矩模型提供了一种新的估计方法。我们的基于MDD的估计方法是在无条件力矩约束连续统的框架中形成的。与该框架中现有的估计方法不同，基于MDD的估计方法采用了一种非整数加权函数，与可积加权函数相比，它可以从无条件矩约束中获取更多的信息，从而提高估计效率。由于MDD中移位方差的性质，我们基于MDD的估计方法无法识别截距参数。为了克服这个识别问题，我们进一步为带有截距参数的模型提供了一个两步估计过程。在正则性条件下，我们建立了所提出估计量的渐近性，这些估计量不仅易于用解析渐近方差实现，而且也适用于具有未指定形式的条件异方差的时间序列数据。最后，我们通过仿真和两个实际例子说明了所提估计的有用性。 宋昆阳 蒋飞宇 柯朱 2024-04 关于不含安慰剂周期的面板数据中常见趋势的可测试性 http://d.repec.org/n？u=repec:arx:perss:2404.16961&r=ecm 我们证明并讨论了在不依赖多个治疗前阶段进行安慰剂测试的情况下，面板数据中差异化（DiD）估计中强加的共同趋势假设的可测试性。我们的测试方法包括两个步骤：（i）构建一个非治疗单元的对照组，其预治疗结果分布与治疗单元的分布相匹配，以及（ii）验证该对照组和原始非治疗组在平均结果方面是否具有相同的时间趋势。测试的动机是，在几个（但不是所有）面板数据模型中，治疗组间的共同趋势违背意味着治疗前结果的共同趋势违反。因此，该测试验证了基于DiD的识别的充分条件，但（取决于模型）不是必要条件。我们在模拟研究中研究了基于双机器学习的测试程序的有限样本性能，该测试程序允许以数据驱动的方式控制协变量，并将其应用于国家支持工作演示的劳动力市场数据。 马丁·胡贝尔 2024-04 负二项回归的加权平均最小二乘法 http://d.repec.org/n？u=repec:arx:papers:2404.11324&r=ecm 模型平均方法已成为改善预测和处理模型不确定性的越来越流行的工具，尤其是在贝叶斯设置中。最近，出现了信息论和最小二乘模型平均等频率模型平均方法。这项工作集中于协变量不确定性问题，其中管理计算资源是关键：模型空间随着协变量的数量呈指数增长，因此必须经常近似平均模型。加权平均最小二乘法（WALS）是计量经济学文献中首次针对（广义）线性模型引入的，它结合了贝叶斯方法和频率分析方法，并且还使用回归变量的半正交变换来减少计算负担。本文将广义线性模型的WALS推广到过分散计数数据的负二项回归模型。利用就诊数据进行了模拟实验和实证应用，以比较WALS对NB回归和传统估计的预测能力。结果表明，NB的WALS改进了稀疏情况下的最大似然估计，在计算效率更高的情况下与套索相竞争。 凯文·休恩 2024-04 换档共享设计中的过度识别 http://d.repec.org/n？u=repec:arx:papers:2404.17049&r=ecm 本文研究了基于Bartik工具的两阶段最小二乘（TSLS）估计量的因果解释中常用的识别约束的可测试性。对于应用于短面板的同质效应模型，我们的分析产生了之前文献中提到的两种主要可用识别策略的可测试影响。我们对这些限制提出了过度识别检验，这些限制在高维状态下仍然有效，并且对异方差和聚类具有鲁棒性。我们进一步表明，短面板中的同质效应模型及其相应的过度识别检验具有中心重要性，通过建立：（i）在异质效应模型中，将TSLS解释为治疗效应的正加权平均值可能会对数据的分布施加难以置信的假设；（ii）依赖长面板的替代识别策略在短面板应用中可能无法提供信息。我们通过检验Bartik工具的可行性来确定中国进口竞争加剧对美国当地劳动力市场的影响，从而强调了我们结果的实证相关性。 金庸哈恩 吉多·库尔斯泰纳 安德烈斯·桑托斯 瓦维德·威利格罗德 2024-04 识别扭结设置下的因果关系：理论和证据 http://d.repec.org/n？u=repec:arx:papers:2404.09117&r=ecm 本文提出了一个广义框架，当代理人可以在阈值附近操纵他们的选择时，可以在扭结设置下以简化形式识别因果影响。Diamond和Persson（2017）最初在缺口设置下开发了使用聚束框架的因果估计。聚束设计的许多经验应用都涉及扭结设置。我们提出了一种无模型因果估计方法，用于具有尖锐聚束的扭结环境，然后扩展到具有扩散聚束、误报、优化摩擦和异质性的场景。估计方法大多是非参数的，并考虑了扭结设置下的内部响应。应用该方法，我们估计了医疗补贴如何影响中国的门诊行为。 一路 王建国 谢慧华 2024-04 机器学习的综合控制：巴西劳动力放松管制对工人生产率影响的应用 http://d.repec.org/n？u=repec:bis:biswps:1181&r=ecm 综合控制方法是一种数据驱动的方法，用于计算控制个体的反事实数据，以评估在许多具有经验重要性的环境中的治疗效果。在规范的实施中，这种权重是线性的，捐赠者库选择的关键方法步骤以及处理实体与其综合控制之间的协变量比较取决于某种程度的主观判断。因此，当前的方法在具有大数据集的情况下，或者在通过供体池个体的非线性组合获得最佳综合控制时，可能表现不太好。本文提出了“机器控制”、基于通过聚类算法自动选择供体池的综合控制、用于控制实体的灵活非线性加权的有监督学习和流形学习，以数值验证综合控制是否确实与目标单元相似。2017年巴西劳动力放松管制对工人生产率的影响证明了机器控制方法。与改革实施时决策者的预期相反，对工人生产率没有明显影响。这一结果表明，在提高生产力水平以及随之而来的经济福利方面存在着深刻的挑战。 道格拉斯·基亚雷利·戈多伊·德·阿劳霍（Douglas Kiarelly Godoy de Araujo） 因果推理、综合控制、机器学习、劳动改革、生产力 2024-04 波动不对称与传播的随机波动模型 http://d.repec.org/n？u=repec:cte:wsrepe:43887&r=ecm 本文提出了一种新的非对称随机波动率模型，该模型使用异质自回归过程来捕获波动率非对称性随时间的持续性和衰减，这与传统方法不同。我们使用该领域最近引入的一个概念分析了该模型在波动不对称和传播方面的特性，发现新模型可以产生波动不对称和扩散效应。我们还引入了用于参数估计的数据克隆，与传统技术相比，它具有鲁棒性和计算效率。我们的实证分析表明，新建议在不同金融收益序列的样本内拟合和样本外波动预测方面优于最近的竞争对手，使其成为捕捉金融市场波动不对称动态的更有效工具。 Marín Díazaraque，Juan Miguel 伊娃·罗梅罗 Lopes Moreira Da Veiga，玛丽亚·海伦娜 数据克隆； 传播； 随机波动； 波动不对称 2024-05-07 带随机周期的季节ARIMA模型检验 http://d.repec.org/n？u=repec:pra:mprapa:120758&r=ecm 本文提出了一类季节性自回归积分滑动平均模型，其周期是在有限集上取值的独立同分布随机过程。首先揭示了模型的因果关系、可逆性和自变异形状。然后，使用期望最大化算法估计模型系数、新息方差、周期的概率分布和周期的（未观测）样本通过率等参数。特别地，提出了随机消除季节性的程序。给出了该方法在年度Wolfer太阳黑子数中的应用。 阿卜杜勒哈基姆·阿努什 纳迪亚·拉贝希 季节ARIMA模型、不规则季节性、随机周期、非整周期、SARIMAR模型、EM算法。 2024-04-19 边际治疗效果和单调性 http://d.repec.org/n？u=repec:arx:papers:2404.03235&r=ecm 基于边际处理效应（MTE）对违反Imbens和Angrist（1994）单调性的分析的稳健性如何？在本文中，我提出了较弱的单调性形式，在这种形式下，流行的基于MTE的估计仍然可以识别感兴趣的参数。 亨利克·西格斯塔德 2024-04 基于人工神经网络的具有灵活效用规范的经济一致离散选择模型 http://d.repec.org/n？u=repec:arx:papers:2404.13198&r=ecm 随机效用最大化（RUM）模型是离散选择建模的基石之一。然而，规定RUM模型的效用函数并不简单，并且会对产生的可解释结果和福利措施产生相当大的影响。在本文中，我们提出了一种基于人工神经网络（ANN）的新的离散选择模型，命名为“交替特定和共享权重神经网络（ASS-NN）”，这进一步平衡了来自数据的灵活效用近似值和与两个假设的一致性：RUM理论和货币的可替代性（即“一欧元等于一欧元”）。因此，ASS-NN可以得出经济上一致的结果，例如边际效用或支付意愿，而无需明确指定效用函数形式。使用蒙特卡罗实验和Swissmetro数据集的经验数据，我们表明ASS-NN的表现优于（在拟合优度方面）不同实用规范下的传统多项式logit（MNL）模型。此外，我们还展示了如何使用ASS-NN来推导边际效用和支付意愿指标。 何塞·伊格纳西奥·埃尔南德斯 尼克·穆特 桑德·范·克兰伯格 2024-04 贝叶斯符号回归的参数选择：在商品价格建模中的应用 http://d.repec.org/n？u=repec:sek:iefpro:14116014&r=ecm 本研究考察了贝叶斯符号回归（BSR）在各种商品现货价格样本建模中的应用。所研究的方法是一种新颖的方法，作为一种预测工具显示出很有潜力。此外，BSR还提供了处理计量经济学建模中变量选择（特征选择）挑战的功能。本研究的重点是在商品现货价格建模的背景下，分析BSR初始参数的合适选择。通常，（传统的）符号回归需要正确指定一组运算符（函数）。在这里，分析主要集中在特定的时间序列上，使所提出的考虑特别适合代表商品市场的时间序列。进行分析的目的是评估BSR有效拟合观测数据的能力。样本外预测性能分析推迟到其他地方进行调查。其中，主要目的是分析初始参数的选择如何影响BSR模型的准确性。事实上，已知的模拟是基于合成数据的。因此，本文使用了商品市场的真实数据。研究结果对进一步关注BSR经济计量和金融应用的研究人员和从业人员可能有用。（研究由波兰国家科学中心拨款资助，合同编号为DEC-2018/31/B/HS4/02021。） Krzysztof Drachal公司 贝叶斯符号回归、商品、遗传算法、建模、符号回归、时间序列 尾部风险度量的可诱导性和可识别性 http://d.repec.org/n？u=repec:arx:papers:2404.14136&r=ecm 尾部风险度量完全由潜在损失在某一水平上超出其分位数的分布决定，其中价值风险和预期短缺是主要示例。它们是由基于法律的风险度量（称为其生成器）诱发的，根据尾部分布进行评估。本文建立了尾部风险测度的联合可识别性和可诱导性结果以及相应的分位数，前提是其生成元分别是可识别的和可诱导的。作为一个例子，我们建立了预期尾部与分位数的联合可识别性和可启发性。相应的一致得分构成了一个新的加权得分类别，将Fissler和Ziegel已知的预期差额得分类别与分位数嵌套在一起。出于统计目的，我们的结果为通过回归和广义矩方法更容易地对尾部风险度量进行模型拟合铺平了道路，同时也为根据已建立的回溯测试程序进行模型比较和模型验证铺平了路。 托比亚斯·费斯勒 刘方达 王若都 林晓伟 2024-04