高维面板模型中的推断及其在枪支管制中的应用

我们考虑在高维设定下，具有加性不可观测个体异质性的面板数据模型中的估计与推断。该设定允许时变回归量的数量大于样本量。为了使信息性估计和推断成为可能，我们要求在消除个体特异性异质性后，时变变量的总体贡献可以由数量相对较少的可用变量来捕捉，而这些变量的身份是未知的。这一限制使得估计问题可以作为变量选择问题进行处理。重要的是，我们将个体特异性异质性视为固定效应，这使得该异质性可以以未指定的方式与观测到的时变变量相关，并允许该异质性对所有个体均非零。在此框架内，我们提供了程序，这些程序在规范线性固定效应模型的参数固定子集上，以及在具有固定效应和大量工具变量的面板数据工具变量模型中内生变量固定向量的系数上，提供一致有效的推断。开发我们所提议程序性质的一个输入是使用 Lasso 估计量的变体，该变体允许分组数据结构，其中组间数据独立而组内依赖不受限制。我们在此结构下提供了形式条件，在此条件下，所提出的 Lasso 变体选择一个具有良好近似性质的稀疏模型。我们展示了支持理论发展的模拟结果，并说明了该方法在旨在估计枪支普及率对犯罪率影响的应用中的使用。