维拉·塞梅诺娃;马特·戈德曼;维克多·切尔诺朱科夫;马特·塔迪 弱依赖下高维动态面板异质处理效应的推断。 （英语） Zbl 07766849号 数量。经济。 14，第2期，471-510（2023年）. 引用于1文件 MSC公司： 91至XX 博弈论、经济学、金融和其他社会和行为科学 关键词：正交学习;剩余学习;卡特;动态面板数据;时间序列;混合;交叉配件;左邻右舍 PDF格式BibTeX公司 XML格式引用 \textit{V.Semenova}等人，数量。经济。14，编号2，471--510（2023；Zbl 07766849） 全文： 内政部 OA许可证 参考文献： [1] Arellano、Manuel和StephenBond（1991），“面板数据规范的一些测试。蒙特卡罗证据和就业方程的应用”，《经济研究评论》，58277-297·Zbl 0719.62116号 [2] Athey，Susan和GuidoImbens（2016），“异质因果效应的递归划分”，《国家科学院学报》，1137353-7460。可在https://www.pnas.org/content/113/27/7353。 ·兹比尔1357.62190 [3] Banerjee、Abhijit、Arun G.Chandrasekhar、Suresh Dalpath、EstherDuflo、JohnFloretta、Matthew O.Jackson、HariniKannan、FrancineLoza、AnirudhSankar、AnnaSchrimpf和MaheshworShrestha（2021年），“选择最有效的推动：大规模免疫实验的证据”，网址：https://arxiv.org/abs/2104.09645。 [4] Belloni、Alexandre、VictorChernozhukov和KengoKato（2014），“最小绝对偏差回归和其他z估计问题的统一后选择推理”，《生物特征》，102，77-94。doi:10.1093/biomet/asu056·Zbl 1345.62049号 [5] Belloni、Alexandre、DanielChen、VictorChernozhukov和ChristianHansen（2012），“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·Zbl 1274.62464号 [6] Belloni，Alexandre和VictorChernozhukov（2013），“高维稀疏模型中模型选择后的最小二乘法”，Bernoulli，19521-547·Zbl 1456.62066号 [7] Belloni、Alexandre、VictorChernozhukov、DenisChetverikov和YingWei（2019），“z估计框架中许多功能参数的统一有效正则化后置信区间”，《统计年鉴》，46，3643-3675·Zbl 1407.62268号 [8] Belloni、Alexandre、VictorChernozhukov、IvanFernandez‐Val和Christian Hansen（2017），“高维数据的程序评估和因果推断”，《计量经济学》，85，233-298·Zbl 1410.62197号 [9] Belloni、Alexandre、VictorChernozhukov和Christian Hansen（2010），“高斯工具变量模型的拉索方法”，arXiv预印本，arXiv:1012.1297。 [10] Belloni、Alexandre、VictorChernozhukov和Christian Hansen（2011），“高维稀疏计量经济模型的推断”，arXiv预印本，arXiv:12011.0220。 [11] Belloni、Alexandre、VictorChernozhukov和Christian Hansen（2014），“在高维对照中选择后对治疗效果的推断”，《经济研究评论》，第81期，第608-650页·Zbl 1409.62142号 [12] Belloni、Alexandre、VictorChernozhukov和KengoKato（2014），“最小绝对偏差回归和其他Z估计问题的统一后选择推理”，《生物特征》，102，77-94·Zbl 1345.62049号 [13] Belloni、Alexandre、VictorChernozhukov和YingWei（2016），“具有多个控制的广义线性模型的后选择推理”，《商业与经济统计杂志》，第34期，第606-619页。 [14] Berbee，Henry（1987），“有界混合序列强定律中的收敛律”，《概率论及相关领域》，74255-270·Zbl 0587.60028号 [15] Bonhome、Stephane、ThibautLamadon和ElenaManresa（2019a），“离散未观察到的异质性。” [16] Bonhome、Stephane、ThibautLamadon和ElenaManresa（2019b），“匹配雇主-雇员数据的分布框架”，《计量经济学》，87，699-739·兹比尔1422.91416 [17] Cai，Tony，WeidongLiu和Xilo（2011），“稀疏精度矩阵估计的约束（l_1）最小化方法”，《美国统计协会杂志》，106，594-607·Zbl 1232.62087号 [18] Gary Chamberlain（1982），“面板数据的多元回归模型”，《计量经济学杂志》，第18期，第5-46页·Zbl 0512.62115号 [19] Chen、Mingli、IvanFernandez‐Val和MartinWeidner（2020），“网络和面板数据的非线性因子模型”，《计量经济学杂志》。 [20] Chernozhukov、Victor、DenisChetverikov、MertDemirer、EstherDuflo、Christian Hansen、Whitney Newey和James Robins（2018年），“治疗和结构参数的双/脱脂机器学习”，《计量经济学杂志》，21，C1-C68·Zbl 07565928号 [21] Chernozhukov、Victor、DenisChetverikov和KengoKato（2013），“高维随机向量和最大值的高斯近似和乘数自举”，《统计学年鉴》，第41期，第2786-2819页·Zbl 1292.62030 [22] Chernozhukov、Victor、DenisChetverikov和KengoKato（2014），“经验过程上确界的高斯近似”，《统计年鉴》，第42卷，第1564-1597页·Zbl 1317.60038号 [23] Chernozhukov、Victor、DenisChetverikov和KengoKato（2017年），“高维的中心极限定理和bootstrap”，《概率年鉴》，452309-2352·Zbl 1377.60040号 [24] Chernozhukov、Victor、DenisChetverikov和KengoKato（2019），“利用多矩不等式推断因果和结构参数”，《经济研究评论》，第86期，1867-1900页·Zbl 07613855号 [25] Chernozhukov、Victor、MertDemirer、EstherDuflo和IvánFernández‐Val（2017），“随机实验中异质治疗效应的通用机器学习推断”，arXiv e‐prints，arXiv:1712.04802。 [26] Chernozhukov、Victor、ChrisHansen和MartinSpindler（2016），“R中的高维度量”，可在https://arxiv.org/abs/1603.01700。 [27] Chernozhukov、Victor、Christian Hansen和Martin Spindler（2015），“有效的后选择和后正则化推理：一种基本的通用方法”，《经济学年度评论》，第7649-688页。 [28] Chevalier、Judith、AnilKashyap和PeterRossi（2003），“为什么价格在需求高峰期不上涨？来自扫描仪数据的证据。”《美国经济评论》，93，15-37。 [29] Chiang，Harold D.（2018），“许多平均部分效应：应用于文本回归”，arXiv电子版，arXiv:1812.09397。 [30] Chiang、Harold D.、KengoKato、YukunMa和YuyaSasaki（2019年），“多路集群鲁棒双/衰退机器学习”，arXiv电子印刷，arXiv:1909.03489。 [31] Colangelo，Kyle和Ying‐YingLee（2020年），“连续处理的双衰退机器学习非参数推断”，arXiv e‐prints，arXiv:2004.03036。 [32] Davis、Jonathan M.V.和Sara B.Heller（2020），“重新思考青年就业计划的好处：暑期工作的异质性影响”，《经济学与统计评论》，第102664-677页。doi:10.1162/resta_00850。 [33] Dudley、Richard Mansfield和WalterPhilipp（1983），“Banach空间值随机元和经验过程的不变性原理”，Zeitschrift für Wahrscheinlichkeits theorye und verwandte Gebiete，62509-552·Zbl 0488.60044号 [34] Fan、Qingliang、Yu‐ChinHsu、Robert P.Lieli和Yichong Zhang（2019），“利用高维数据估算条件平均治疗效果”，arXiv e‐prints，arXiv:1908.02399。 [35] Farrell、Max、Tengyuan Liang和SanjogMisra（2021），“用于估计和推断的深层神经网络”，《计量经济学》，第89期，第181-213页·Zbl 1479.62082号 [36] Fernandez‐Val、Ivan和JoonhwanLee（2013），“非加性未观察异质性的面板数据模型：估计和推断”，《数量经济学》，第4453-481页·Zbl 1409.62249号 [37] Fernandez‐Val、Ivan和Martin Weidner（2018），“大t面板数据模型的固定效应估计”，《经济学年度评论》，第10期，第109-138页。 [38] Gao、Wayne Yuan和MingLi（2019），“面板多项式选择模型中的稳健半参数估计” [39] Haavelmo，Trygve（1944），“计量经济学中的概率方法”，《计量经济学》，第12期，第1-115页·Zbl 0063.01837号 [40] Hahn、Jinyong和GuidoKuersteiner（2011），“具有固定效应的动态非线性面板模型的偏差减少”，《计量经济学理论》，第27期，第1152-1191页·Zbl 1442.62739号 [41] Hasminskii，Rafail Z.和Ildar A.Ibragimov（1979），“泛函的非参数估计”，《第二届布拉格渐近统计研讨会论文集》·Zbl 0437.62049号 [42] Jacob，Daniel，Wolfgang KarlHärdle和StefanLessmann（2019），“观察性研究的群体平均治疗效果。” [43] Javanmard、Adel和AndreaMontanari（2014），“高维回归的置信区间和假设检验”，《机器学习研究杂志》，第22869-2909页·Zbl 1319.62145号 [44] Edward Kennedy（2020），“异质因果效应的最优双稳健估计”，arXiv预印本，arXiv:2004.14497。 [45] Klosin，Sylvia（2021），“连续治疗效果的自动双机器学习” [46] Kock，Anders Bredahl（2016a），“平稳和非平稳自回归中使用自适应套索的一致和保守模型选择”，《计量经济学理论》，32，243-259·Zbl 1441.62778号 [47] Kock，Anders Bredahl（2016b），“高维相关随机效应面板数据模型中的Oracle不等式、变量选择和统一推断”，《计量经济学杂志》，195，71-85·Zbl 1443.62208号 [48] Kock、Anders Bredahl和Haihan Tang（2019），“高维动态面板数据模型中的统一推断”，《计量经济学理论》，第35期，第295-359页·Zbl 1418.62491号 [49] Leeb，Hannes和BenediktPotcher（2005），“模型选择和推断：事实和虚构”，《计量经济学理论》，第21、21-59页·Zbl 1085.62004号 [50] 鲁迅和苏良军（2016），“具有交互固定效应的动态面板数据模型的收缩估计”，《计量经济学杂志》，190148-175·兹伯利1419.62516 [51] Lu，Xun和LiangjunSu（2020），“确定面板数据模型中的个体或时间效应”，《计量经济学杂志》，215，60-83·Zbl 1456.62298号 [52] Luo，Ye和Martin Spindler（2016），“高维提升：收敛速度”，arXiv e‐prints，arXiv:1602.08927。 [53] Manresa，Elena（2016），“使用面板数据估算社会互动结构” [54] Moon、Hyungsik Roger、MatthewShum和Martin Weidner（2018），“具有交互固定效应的随机系数logit需求模型的估计”，《计量经济学杂志》，206613-644·Zbl 1452.62951号 [55] Mundlak，Yair（1978），“关于时间序列和横截面数据的汇集”，《计量经济学》，46，69-85·Zbl 0397.62066号 [56] Negahban、Sahand N.、Pradeep Ravikumar、Martin J.Wainwright和BinYu（2012），“利用可分解正则化子对m估计量进行高维分析的统一框架”，《统计科学》，第27期，第538-557页·Zbl 1331.62350号 [57] Nickell，Stephen（1981），“具有固定效应的动态模型中的偏差”，《计量经济学》，第49期，第1824-1851页·Zbl 0464.90012号 [58] 聂新坤和StefanWager（2020），“异质治疗效果的准预言估计”，《生物特征》。 [59] Oprescu、Miruna、VasilisSyrgkanis和Zhiwei StevenWu（2018），“因果推断的正交随机森林”，arXiv e‐prints，arXiv:1806.03467。 [60] Robinson，Peter M.（1988），“根一致半参数回归”，《计量经济学》，第56期，第931-954页·Zbl 0647.62100号 [61] 安东·希克（1986），“半参数模型中的渐近有效估计”，《统计学年鉴》，第14期，第1139-1151页·Zbl 0612.62062号 [62] Schmidt‐Hieber，Johannes（2017），“利用ReLU激活函数的深度神经网络进行非参数回归”，arXiv e‐prints，arXiv:1708.06633·Zbl 1459.62059号 [63] Semenova、Vira和VictorChernozhukov（2021），“条件平均治疗效果和其他因果函数的借方机器学习”，《计量经济学杂志》，24，2，264-289·Zbl 07546401号 [64] Semenova、Vira、MattGoldman、VictorChernozhukov和MattTaddy（2023年），“对‘弱依赖下高维动态面板中异质处理效应的推断’的补充”。《定量经济学补充材料》，第14期，https://doi.org/10.3982/QE1670。 ·Zbl 07766849号 ·doi:10.3982/QE1670 [65] Strassen，Volker（1965），“给定边距的概率测度的存在性”，《数理统计年鉴》，第36423-439页·Zbl 0135.18701号 [66] Su，Liangjun，ZhentaoShi，and PeterPillips（2016），“识别面板数据中的潜在结构”，计量经济学，841824-1851。 [67] Syrganis、Vasilis和ManolisZampetakis（2020），“高维树木和森林的估算和推断”，arXiv e‐prints，arXiv:2007.03210。 [68] Ura，Takuya（2018），“内生处理不当的异质处理效应”，《数量经济学》，第9期，第1335-1370页·Zbl 1412.62040号 [69] van derGeer、Sara、PeterBühlmann、YaakovRitov和RubenDezeure（2014），“关于高维模型的渐近最优置信区间和检验”，《统计学年鉴》，第42卷，第1166-1202页·兹比尔1305.62259 [70] Villani，Cédric（2007），《最佳交通主题》，第58卷。美国数学学会·Zbl 1106.90001号 [71] Wager、Stefan和SusanAthey（2018），“使用随机森林对异质性处理效果的估计和推断”，《美国统计协会期刊》，第1131228-1242页·Zbl 1402.62056号 [72] Wager、Stefan和GuentherWalther（2015），“回归树的适应性集中，在随机森林中的应用”，arXiv e‐prints，arXiv:1503.06388。 [73] Zhang，Cun‐Hui和StefanieZhang（2014），“高维线性模型中低维参数的置信区间”，《皇家统计学会杂志：B辑（统计方法）》，76217-242·Zbl 1411.62196号 [74] 张丹娜和魏彪武（2017），“高维时间序列的高斯近似”，《统计年鉴》，451895-1919·Zbl 1381.62254号 [75] Zheng，Wenjing和Mark J.van derLaan（2010），“交叉验证目标最大似然估计的渐近理论”。技术报告，加州大学伯克利分校生物统计学系。 [76] Zimmert，Michael和MichaelLechner（2019），“高维混杂条件下因果异质性的非参数估计。”arXiv e‐prints，arXiv:1908.088779。 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。