Causal Effects in Matching Mechanisms with Strategically Reported Preferences
本文提出了一种能够抵御策略性偏好误报的识别方法，利用智利大学录取数据推导了学校分配因果效应的精确界限，从而揭示了毕业成功率在偏好与分配结果上的显著异质性。
📈 Category
econ.EM
55 篇论文
Persistence-Robust Break Detection in Predictive CoVaR Regressions
本文提出了一种基于自归一化原理的结构断点检验方法，用于检测预测分位数和 CoVaR 回归中的不稳定性，该方法在预测变量平稳或非平稳时均有效，并通过模拟与实证研究验证了其优良性能。
Slope Consistency of Quasi-Maximum Likelihood Estimator for Binary Choice Models
本文通过形式化证明，填补了 Ruud (1983) 未完全确立的空白，证实了在满足 Manski (1975, 1985) 所识别的特定条件下，二元选择模型的准极大似然估计量（QMLE）具有斜率一致性，从而表明逻辑回归在适当条件下能一致地估计斜率系数。
Trade Dynamics with Heterogeneous Fluctuations
本文通过构建两个章节的理论模型并结合中国省级数据实证，深入探讨了异质性波动下的贸易动态，揭示了货币政策与创新驱动对出口竞争力的差异化影响，以及劳动市场波动在不同政策情境下对进出口贸易的非对称效应。
Hippocratic Utility
该论文指出，尽管“希波克拉底效用”函数（即优先珍视因不施加有害治疗而获救的生命，而非因治疗而获救的生命）具有伦理动机，但其适用范围可能因实际案例而受限。
Estimating Treatment Effects under Algorithmic Interference: A Structured Neural Networks Approach
该论文针对在线内容平台因算法竞争导致的实验干扰问题，提出了一种结合算法选择与用户响应模型的半参数结构化框架，通过扩展双重机器学习理论来构建无偏估计量，从而准确评估算法全局推广效果并纠正传统估计量的严重偏差。
GMM and M Estimation under Network Dependence
本文基于 Kojevnikov 等人（2021）的研究，通过构建适用于网络依赖数据的新颖一致大数定律，确立了广义矩估计（GMM）和 M 估计量的一致性与渐近正态性，并提供了完整的估计与推断程序。
TEA-Time: Transporting Effects Across Time
本文提出了名为 TEA-Time 的框架，用于将随机对照试验的治疗效应跨时间外推至未进行实验的时期，通过两种识别策略（重复试验与公共处理臂）构建了双重稳健估计量，并在 Upworthy 实验数据中揭示了精度与偏差之间的权衡关系。
Integrating Heterogeneous Information in Randomized Experiments: A Unified Calibration Framework
本文提出了一种统一的校准框架，通过凸优化定义的校准权重整合随机化实验中的异质信息（如辅助协变量、机器学习预测及外部数据），在确保估计有效性的同时实现了无效率损失的方差缩减，并推广至分层数与信息源数量随样本量增长的渐近理论。
Testing for Endogeneity: A Moment-Based Bayesian Approach
本文利用指数倾斜经验似然框架，提出了一种用于检验线性回归模型中解释变量内生性的贝叶斯因子方法，该方法在频率学派意义下具有一致性，并通过模拟数据及汽车需求与机票价格等实证案例验证了其有效性。
Degrees of Freedom and Information Criteria for the Synthetic Control Method
该论文通过解析合成控制法的模型灵活性（以自由度形式表征）并推导可估计的信息准则，为在协变量或惩罚变体中选择参数提供了优于交叉验证的方法，并通过天津车牌摇号政策的实证研究验证了其有效性。
The modified conditional sum-of-squares estimator for fractionally integrated models
本文提出了一种修正的条件平方和（MCSS）估计量，通过修改目标函数有效消除了分数阶 ARFIMA 模型中常数项估计带来的偏差，显著提升了该估计量在小样本下的表现，并重新分析了三个经典数据集。
Initial-Condition-Robust Inference in Autoregressive Models
本文提出了一种针对可能接近或等于 1 的自回归参数的新置信区间，该方法在初始条件任意（包括非平稳或固定）及存在条件异方差的场景下，均能保持渐近和有限样本的稳健覆盖率，且仅在初始条件平稳或固定时付出极小的区间长度代价。
Shrinkage Regularization for (Non)Linear Serial Dependence Test
本文提出了一种针对高维非高斯时间序列的正则化检验方法，用于检验线性及非线性序列依赖性的缺失，该方法扩展了 Jasiak 和 Neyazi (2023) 提出的 Portmanteau 检验以适应高维场景。
An operator-level ARCH Model
本文提出了一种适用于一般可分希尔伯特空间的算子级 ARCH 模型，该模型能够刻画条件协方差算子的完整演化，并建立了其平稳性、矩存在性及参数估计的一致性理论，同时通过模拟和高频日内收益数据应用验证了其实际效用。
Gimbal Regression: Orientation-Adaptive Local Linear Regression under Spatial Heterogeneity
本文提出了一种名为“万向节回归”（Gimbal Regression）的确定性、几何感知局部回归框架，旨在通过显式利用邻域几何构建方向性权重并采用闭式求解，解决因各向异性或低维邻域导致的局部回归病态问题，从而在空间异质性分析中实现更稳定、可审计的估计。
Double Machine Learning for Time Series
该论文通过引入利用时间序列平稳性的“反向交叉拟合”步骤及针对高维调参的“金发姑娘区”校准规则，改进了双重机器学习估计量以适用于宏观经济时间序列，并成功将其应用于评估一级监管资本增加的动态效应。
Thin Sets Are Not Equally Thin: Minimax Learning of Submanifold Integrals
该论文建立了薄集（零测度子流形）上函数积分估计的统一理论，证明了其最优收敛速率取决于子流形内蕴维数 与协变量维数 的差值，并给出了相应的渐近正态推断方法。
Estimation and exclusion restrictions in clustered linear models
该论文提出了一种适用于具有高维控制变量和复杂排除限制且存在组内依赖的线性回归模型的、具有正确中心化内部工具变量的估计量，并推导了相应的中心极限定理与稳健方差估计，同时开发了识别稳健的推断程序，该方法被应用于肯尼亚农村大规模财政干预中由空间溢出效应产生的排除限制模式分析。
Improved inference for nonparametric regression and regression-discontinuity designs
本文通过建立稳健偏差校正（RBC）方法与自助法预转换（bootstrap prepivoting）之间的新联系，提出了一种新的偏差校正程序，使得非参数回归和断点回归设计中的置信区间在保持渐近覆盖率的同时，长度比传统方法缩短了 17%。