Nonlinear Fiscal Transitions and the Dynamics of Public Expenditure Reform
本文构建了一个非线性理论框架，以乌拉圭 2026-2030 年预算为参照，分析了公共支出改革中因制度刚性和调整成本导致的 J 型支出轨迹，揭示了结构性改革在短期内因过渡成本而增加支出、长期才实现效率提升的动态特征。
📈 Category
econ.EM
55 篇论文
Identification and Estimation of a Semiparametric Logit Model using Network Data
本文研究了在社交网络内生的情况下半参数 Logit 模型的识别与估计问题，证明了利用网络数据无需对网络形成过程设定参数化假设即可识别斜率参数，并提出了基于网络相似性匹配的可行估计量，其在蒙特卡洛模拟和微金融应用的实证分析中均表现出良好性能。
Jackknife inference with two-way clustering
该论文提出了一种基于聚类刀切法（cluster jackknife）的新型双向聚类稳健方差估计量，旨在解决双向聚类下标准误未定义及有限样本推断表现不佳的问题，并通过模拟和 Stata 软件包验证了其在两向固定效应模型中能提供高度准确的推断结果。
Beyond the Oracle Property: Adaptive LASSO in Cointegrating Regressions with Local-to-Unity Regressors
本文推导了自适应 LASSO 估计量在包含局部至单位根回归量的协整回归中的新渐近性质，提出了无需估计局部至单位根或长期协方差参数即可实现一致覆盖的可行置信区间，并通过模拟与实证分析证明其能更准确地刻画有限样本不确定性，克服了传统“神谕性质”在实证应用中覆盖不足的问题。
Spatially Robust Inference with Predicted and Missing at Random Labels
该论文针对在缺失随机标签和空间依赖场景下使用机器学习预测值进行推断时，交叉拟合导致的方差估计失真问题，提出了一种结合双重稳健估计与自助法空间异质自相关一致（HAC）方差校正的新方法，从而实现了更稳健且渐近有效的置信区间。
On the Use of Design-Based Simulations
本文指出，在设计基础模拟中，若固定结果并重抽样冲击，可能会因数据生成过程与真实情况不匹配而混淆处理效应与误差依赖，进而高估空间相关性导致的推断失真，因此提出了能更准确反映真实数据生成过程的替代模拟方案。
Bayesian Modular Inference for Copula Models with Potentially Misspecified Marginals
该论文提出了一种基于贝叶斯优化的新型半模块推断方法，通过将 Copula 模型中的每个边缘分布视为独立模块并优化其影响参数，实现了对潜在错误设定边缘分布的鲁棒推断，从而克服了传统双模块方法在处理不同边缘分布不同程度的误设时的局限性。
Variance Estimation with Dependence and Heterogeneous Means
本文针对具有异质均值的随机向量求和方差估计问题，指出在双向聚类或弱依赖情形下标准估计量会因低估方差而导致检验过度，并提出了一种对异质均值稳健的保守方差估计量以恢复推断的有效性。
Normal Approximation in Large Network Models
本文通过引入源自几何图论的“稳定性”条件并结合分支过程理论，为具有战略互动和同群偏好的大型网络形成模型建立了中心极限定理，从而为基于单一大型网络观测数据的统计推断提供了理论依据。
On global identification in structural vector autoregressions
本文通过反例证明 Rubio-Ramirez 等人（2010）提出的 SVAR 全局识别秩条件并不充分，指出该条件未排除限制性约束冗余的问题，并据此推导出了修正后的必要且充分识别条件。
Partially identified heteroskedastic SVARs
本文研究了利用结构冲击方差突变识别异方差 SVAR 模型的方法，针对特征值重根导致点识别失效的常见情形，结合零或符号约束推导了脉冲响应函数的识别集，并基于稳健贝叶斯框架进行推断，最后通过全球原油市场的实证案例展示了该方法的有效性。
SVARs with breaks: Identification and inference
本文提出了一类包含结构断点的结构向量自回归模型（SVAR-WB），通过结合跨体制的稳定性、不等式及方差等约束条件来解决参数识别问题，并针对点识别非全局唯一性导致的推断偏差，提出了能够涵盖所有观测等价参数的替代估计与推断方法，同时开发了纯贝叶斯及稳健贝叶斯推断框架，并通过理论与实证案例（如美国货币政策在大通胀与大缓和时期的传导）验证了该方法的有效性。
DisSim-FinBERT: Text Simplification for Core Message Extraction in Complex Financial Texts
该研究提出了 DisSim-FinBERT 框架，通过结合话语简化与基于方面的情感分析技术，有效提升了从 FOMC 会议纪要等复杂金融文本中提取核心信息及情感预测的准确性。
Locally- but not Globally-identified SVARs
本文针对结构向量自回归（SVAR）模型中参数仅局部可识别而非全局可识别的问题，提出了能够穷举所有观测等价参数点、克服多峰后验分布计算挑战，并据此构建贝叶斯与频率学派推断程序的新方法。
Statistical significance in choice modelling: computation, usage and reporting
本文评论了选择模型中统计显著性的使用，指出当前存在对 95% 置信水平的过度依赖、对显著性含义的误解以及不确定性度量报告不精确等问题，并强调在关注统计显著性的同时应结合行为或政策显著性，特别关注意愿支付、随机异质性和重复选择数据等选择模型特有的关键问题。
Policy relevance of causal quantities in networks
该论文指出，在存在网络干扰的设定中，许多常见的因果估计量因无法同时满足“可解释为个体效应汇总”和“适用于最优政策选择”这两个关键属性而存在局限，并主张应重点关注“期望平均结果”这一估计量，因为它能兼顾这两项特性并为功利主义福利下的最优政策制定提供充分依据。
Estimation and inference in models with multiple behavioural equilibria
本文针对具有多重行为均衡且采用常增益学习规则预期的宏观模型，建立了非线性最小二乘估计量的渐近性质与推断方法，并提出了结构参数推断及均衡统一置信带，同时揭示了均衡解重复时出现的混合收敛速率与非标准极限分布。
On the Rates of Convergence of Induced Ordered Statistics and their Applications
本文在较弱的原始假设下，推导了诱导有序统计量（IOS）在赫林格距离和全变差距离下的收敛速率，解决了现有文献难以处理回归断点设计等边界点问题的局限，并揭示了平滑度与收敛速度之间的权衡关系。
ForeComp: An R Package for Comparing Predictive Accuracy Using Fixed-Smoothing Asymptotics
本文介绍了 R 语言包 ForeComp，该工具包利用固定平滑渐近理论提供 Diebold-Mariano 型预测能力检验，并包含用于带宽敏感性与规模 - 功效权衡分析的可视化诊断功能。
Identification and Counterfactual Analysis in Incomplete Models with Support and Moment Restrictions
本文提出了一种统一的识别框架，通过将反事实限制嵌入扩展的结构模型，证明了在支持函数方法因传统尖锐性失效而仅适用于矩闭包的情况下，不可约模型中的识别集与其矩闭包在有限样本中统计不可区分，从而实现了无需模拟即可直接进行反事实分析。