稀疏性的脆弱性
计量经济学
2026-05-14 v5 统计方法学
摘要
我们通过三个实证应用表明，基于稀疏性假设的线性回归估计在两方面是脆弱的。首先，我们记录到：不影响普通最小二乘（OLS）估计的回归变量矩阵的不同选择（如带分类控制时基线类别的选取）可使基于稀疏性的估计移动两个标准误或更多。其次，我们通过比较基于稀疏性的估计量与OLS，发展了两种针对稀疏性假设的检验。这些检验在全部三个应用中往往拒绝稀疏性假设。除非回归变量数目接近或超过样本量，否则OLS以很小的效率代价换来更稳健的推断。
引用
@article{arxiv.2311.02299,
title = {The Fragility of Sparsity},
author = {Michal Kolesár and Ulrich K. Müller and Sebastian T. Roelsgaard},
journal= {arXiv preprint arXiv:2311.02299},
year = {2026}
}
备注
48 pages, including appendices