高维线性回归中的估计：后Double-Autometrics方法作为后Double-Lasso方法的替代方案
计量经济学
2025-11-27 v1 机器学习
机器学习
摘要
后Double-Lasso方法正在成为估计包含大量协变量的线性回归模型的流行方法，尤其当其目的是获取感兴趣参数(如平均处理效应)的准确估计时。然而，该方法在小样本中可能受到显著的遗漏变量偏误。我们提出了一种新方法，称为后Double-Autometrics方法，基于Autometrics方法，证明该方法优于后Double-Lasso方法。其在经济增长的标准应用中使用，为“从贫穷向富裕经济体的收敛假设”提供了新的见解。
引用
@article{arxiv.2511.21257,
title = {Estimation in high-dimensional linear regression: Post-Double-Autometrics as an alternative to Post-Double-Lasso},
author = {Sullivan Hué and Sébastien Laurent and Ulrich Aiounou and Emmanuel Flachaire},
journal= {arXiv preprint arXiv:2511.21257},
year = {2025}
}