摘要

在可能存在非高斯和异方差干扰的模型中,我们提出了稳健的方法来推断处理变量对标量结果的影响。我们允许回归变量的数量大于样本量。为了使信息推理可行,我们要求模型近似稀疏;也就是说,我们要求通过包含身份未知的相对较少数量的变量,可以将混杂因素的影响控制为小近似误差。后一种情况可以通过选择近似正确的回归变量集来估计治疗效果。我们为这种情况下的治疗效果开发了一种新的估计和一致有效的推断方法,称为“后双重选择”方法。我们方法的主要吸引人的特点是,它允许不完美的控制选择,并提供了在一大类模型中一致有效的置信区间。相比之下,标准的后模型选择估计器即使在控制数量较少且固定的简单情况下也无法提供统一的推断。因此,我们的方法解决了一类大型有趣模型选择后的统一推理问题。我们还将我们的方法推广到具有二元处理变量的完全异质模型。我们通过数值模拟和考虑堕胎对犯罪率影响的应用来说明所开发方法的使用。

您当前没有访问此文章的权限。