基于 Lasso 的处理效应估计量的有限样本表现
计量经济学
2018-05-15 v1
摘要
本文通过研究基于 Lasso 的不同估计量的表现，对以机器学习启发方法进行处理效应估计的文献做出了贡献。基于高维统计领域近期的工作，我们利用半参数有效得分估计结构来比较不同的估计量。我们考虑了多种加权方案，并使用理论论证和各种蒙特卡洛实验评估它们对纳入机器学习估计量的适用性。此外，我们提出了一种基于双重稳健核匹配的自有估计量，其被认为对干扰参数误设定更为稳健。在模拟研究中，我们验证了基于理论的直觉，并发现如我们所提出的这类替代加权方案估计量具有良好的有限样本性质。
引用
@article{arxiv.1805.05067,
title = {The Finite Sample Performance of Treatment Effects Estimators based on the Lasso},
author = {Michael Zimmert},
journal= {arXiv preprint arXiv:1805.05067},
year = {2018}
}
备注
29 pages, 4 figures, 3 tables