高维经济应用中的因子套索与 K 步自助法推断
统计方法学
2017-09-29 v2 计量经济学
摘要
我们考虑在一个线性面板数据模型中，对少量感兴趣变量的系数进行推断，该模型包含加性的未观测个体与时间特定效应，以及大量额外的时变混杂变量。我们允许这些额外混杂变量的数量大于样本量，并假设除了不受限制的时间与个体特定效应外，这些混杂变量由少量共同因子和高维弱相依扰动生成。我们允许因子和扰动均与结果变量及其他感兴趣变量相关。为使信息性推断可行，我们设定混杂变量中未被时间特定效应、个体特定效应或共同因子捕获的部分，可由数量相对较少且身份未知的项来捕捉。在此框架下，我们提供了一种基于因子提取后接套索回归的便捷计算算法，用于对感兴趣参数进行推断，并证明所得过程具有良好的渐近性质。我们还提供了一种简单的 K 步自助法，可用于构建关于感兴趣参数的推断陈述，并证明了其渐近有效性。所提出的自助法可能在本背景之外具有独立的实质性意义，因为它可以容易地适应其他涉及套索变量选择后推断的背景，且其有效性的证明需要一些新的技术论证。我们还提供了关于我们方法性能的仿真证据，并在两个实证应用中说明了其用途。
引用
@article{arxiv.1611.09420,
title = {The Factor-Lasso and K-Step Bootstrap Approach for Inference in High-Dimensional Economic Applications},
author = {Christian Hansen and Yuan Liao},
journal= {arXiv preprint arXiv:1611.09420},
year = {2017}
}