×
克里斯蒂安·汉森；廖、袁

高维经济应用中推理的因子-拉索和（k）-步引导法。 （英语） Zbl 1419.62509号

经济。理论 35，第3期，465-509（2019）.
摘要：我们考虑在线性面板数据模型中对少数感兴趣变量的系数进行推断，该模型具有附加的未观察到的个体效应和特定时间效应以及大量附加的时变混杂变量。我们假设，除了不受限制的时间和个体特异性影响外，这些混杂变量还由少数共同因素和高维弱相关干扰产生。我们允许这些因素和干扰都与结果变量和其他感兴趣的变量相关。为了使信息推理可行，我们规定，未被特定时间效应、个别特定效应或共同因素捕获的混淆变量部分的贡献可以由身份未知的相对较少的术语捕获。在这个框架内，我们提供了一个基于因子提取和Lasso回归的便捷推断程序，并表明该过程具有良好的渐近性质。我们还提供了一个简单的（k）步bootstrap过程，可用于构造有关低维参数的推理语句，并证明了其渐近有效性。我们提供了有关我们的程序性能的模拟证据，并说明了它在经验应用中的使用。

引用于5文件

MSC公司：

62第20页 统计学在经济学中的应用
62J07型 岭回归；收缩估计器（拉索）
62甲12 多元分析中的估计
62G09号 非参数统计重采样方法

关键词：

\（k）-步引导方法；经济应用；拉索回归

软件：

高密度指数
PDF格式BibTeX公司 XML格式引用
\textit｛C.Hansen｝和\textit｛Y.Liao｝，Econom。理论35，第3号，465--509（2019；Zbl 1419.62509）
全文： 内政部 arXiv公司

参考文献：

[1] 阿加瓦尔，A。；内加班，S。；Wainwright，M.J.，高维统计恢复梯度方法的快速全局收敛，《统计年鉴》，402452-2482，（2012）·Zbl 1373.62244号
[2] 安，S.C。；Horenstein，A.R.，《因子数量的特征值比率检验》，《计量经济学》，第81期，第1203-1227页，（2013年）·Zbl 1274.62403号
[3] Andrews，D.W.，计算吸引力的高阶改进k个-极值估计量的步长bootstrap，计量经济学，70119-162，（2002）·兹比尔1104.62315
[4] Arellano，M.，计算组内估计量的鲁棒标准误差，牛津经济与统计公报，49/431-434，（1987）
[5] Bai，J.，大维度因子模型的推理理论，《计量经济学》，71，135-171，（2003）·Zbl 1136.62354号
[6] Bai，J.，《具有交互固定效应的面板数据模型》，《计量经济学》，第77期，第1229-1279页，（2009年）·Zbl 1183.62196号
[7] Bai，J。；Li，K.，《交互效应面板数据模型的理论与方法》，《统计学年鉴》，第42期，第142-170页，（2014年）·Zbl 1331.62112号
[8] Bai，J。；Ng，S.，《确定近似因子模型中的因子数》，《计量经济学》，70，191-221，（2002）·Zbl 1103.91399号
[9] Bai，J。；Ng，S.，扩散指数预测和因子增强回归推断的置信区间，《计量经济学》，741133-1150，（2006）·Zbl 1152.91721号
[10] 贝洛尼，A。；陈，D。；切尔诺朱科夫，V。；Hansen，C.，《最优工具的稀疏模型和方法及其在征用领域的应用》，《计量经济学》，第80期，第2369-2429页，（2012年）·Zbl 1274.62464号
[11] 贝洛尼，A。；切尔诺朱科夫，V。；弗南德斯·瓦尔，I。；Hansen，C.，《利用高维数据进行项目评估》，《计量经济学》，85，233-298，（2017）·Zbl 1410.62197号
[12] 贝洛尼，A。；切尔诺朱科夫，V。；Hansen，C.，在高维对照中选择后对治疗效果的推断，《经济研究评论》，81，608-650，（2014）·Zbl 1409.62142号
[13] 贝洛尼，A。；切尔诺朱科夫，V。；Hansen，C。；Kozbur，D.，《应用于枪支控制的高维面板模型推断》，《商业与经济统计杂志》，34，590-605，（2016）
[14] 伯南克，B.S。；Boivin，J。；Eliasz，P.，《衡量货币政策的效果：一种因子增强向量自回归（favar）方法》，《经济学季刊》，第120期，第387-422页，（2005年）
[15] Bonhome，S。；Manresa，E.，面板数据异质性的分组模式，《计量经济学》，第83期，第1147-1184页，（2015年）·Zbl 1410.62100号
[16] 查特吉，A。；Lahiri，S.N.，Bootstrapping lasso estimators，美国统计协会杂志，106，608-625，（2011）·Zbl 1232.62088号
[17] Chernozhukov，V.、Chetverikov，D.、Demirer，M.、Duflo，E.、Hansen，C.和Newey，W.（2016）治疗和因果参数的双机器学习。ArXiv电子版1608.00060·Zbl 07565928号
[18] 切尔诺朱科夫，V。；Chetverikov，D。；Kato，K.，高维随机向量和最大值的高斯近似和乘数自举，《统计年鉴》，412786-2819，（2013）·Zbl 1292.62030
[19] 库克，P.J。；Ludwig，J.，《持枪的社会成本》，《公共经济学杂志》，90，379-391，（2006）
[20] Dezeure，R。；Bühlmann，P。；Zhang，C.-H.，bootstrap的高维同时推理，Test，26685-719，（2017）·兹伯利06833591
[21] 范，J。；Li，R.，《基于非一致惩罚似然的变量选择及其预言性质》，美国统计协会杂志，96，1348-1360，（2001）·Zbl 1073.62547号
[22] 范，J。；薛，L。；姚，J.，使用因子模型进行充分预测，《计量经济学杂志》，201292-306，（2017）·Zbl 1377.62185号
[23] Fu，W.J.，《惩罚回归：桥梁与套索》，《计算与图形统计杂志》，第7397-416页，（1998）
[24] 哈恩，P.R。；Mukeherjee，S。；Carvalho，C.，《部分因子建模：线性回归的预测相关收缩》，《美国统计协会杂志》，108999-1008，（2013）·Zbl 06224982号
[25] 肖，C。；Ching，H.S。；Wan，S.，《项目评估的面板数据方法：衡量香港与中国大陆政治经济一体化的效益》，《应用计量经济学杂志》，27705-740，（2012）
[26] 卡德霍代，M。；桑贾比，M。；罗志清，关于非光滑凸优化问题近似最近分裂法的线性收敛性，中国运筹学会学报，2，123-141，（2014）·Zbl 1307.90137号
[27] 李，H。；李，Q。；Shi，Y.，“确定因子数量随样本大小增加时的因子数量”，《计量经济学杂志》，197，76-86，（2017）·Zbl 1443.62487号
[28] Li，K.T。；Bell，D.R.，用面板数据估计平均治疗效果：渐进理论和实施，《计量经济学杂志》，197，65-75，（2017）·Zbl 1443.62488号
[29] Liang，K.-Y。；Zeger，S.，使用广义线性模型进行纵向数据分析，Biometrika，73，13-22，（1986）·Zbl 0595.62110号
[30] Loh，P.-L。；Wainwright，M.J.，非凸正则M-估计量：局部最优的统计和算法理论，机器学习研究杂志，16，559-616，（2015）·Zbl 1360.62276号
[31] Mammen，E.，高维线性模型的Bootstrap和wild Bootstrap，《统计年鉴》，21，255-285，（1993）·Zbl 0771.62032号
[32] Moon，H.R。；Weidner，M.，具有交互固定效应的动态线性面板回归模型，计量经济学理论，33，158-195，（2017）·Zbl 1441.62816号
[33] 月亮，R。；Weidner，M.，以未知因子数作为交互固定效应的面板线性回归，《计量经济学》，83，1543-1579，（2015）·Zbl 1410.62126号
[34] Nesterov，Y.（2007）最小化复合目标函数的梯度方法。伦敦大学学院技术报告。
[35] Pesaran，H.，具有多因素误差结构的大型异质面板中的估计和推理，计量经济学，74967-1012，（2006）·兹比尔1152.91718
[36] Prakasa Rao，B.，条件独立性、条件混合和条件关联，统计数学研究所年鉴，61441-460，（2009）·Zbl 1314.60054号
[37] Raskutti，G。；Wainwright，M.J。；Yu，B.，相关高斯设计的限制特征值特性，机器学习研究杂志，992241-2259，（2010）·Zbl 1242.62071号
[38] 股票，J。；Watson，M.，《使用大量预测因子的主成分进行预测》，《美国统计协会期刊》，97，1167-1179，（2002）·兹比尔1041.62081
[39] 苏·L。；Chen，Q.，用交互固定效应检验面板数据模型的同质性，计量经济学理论，291079-1135，（2013）·Zbl 1290.62088号
[40] Van De Geer，S。；Bühlmann，P。；Ritov，Y。；Dezeure，R.，《关于高维模型的渐近最优置信区间和检验》，《统计年鉴》，第42期，第1166-1202页，（2014年）·Zbl 1305.62259号
[41] Wager，S.和Athey，S.（2017）使用随机森林对异质性处理效果的估计和推断。美国统计协会杂志。2018年即将到来·Zbl 1402.62056号
[42] 张，C.-H。；Zhang，S.S.，高维线性模型中低维参数的置信区间，英国皇家统计学会期刊：B辑，76，217-242，（2014）·Zbl 1411.62196号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。