JBES — Vol 40 Issue 3 · 2026-07-19¶

共 36 篇 · Journal of Business & Economic Statistics
目录核对 ✅ 36 篇全部抓到（对照 OpenAlex 36 篇）

本期导览¶

自动生成：归纳本期主要主题与脉络，不打分、不排名。

这一期 JBES 共 36 篇论文，整体上可归纳为四条主线：因果识别与推断（约 8 篇）、高维统计与随机矩阵（约 4 篇）、假设检验与推断方法（约 6 篇）、以及经济理论与应用（约 12 篇）。此外，还有少量涉及金融计量、生产前沿、时间序列预测等方向的独立工作。因果推断主线最为突出，覆盖了 DID、合成控制、断点回归、工具变量、DML 等多个经典议题；高维主线则聚焦于交互检测、充分降维、变量筛选和共同趋势检验；假设检验主线包括矩不等式、鞅差检验、自助法改进和截面相关性检验等。

在因果推断主线中，PCDID 针对 DID 中趋势不平行问题，引入交互效应结构并通过因子代理变量实现控制函数识别，对处理组与对照组趋势差异的假设极弱。Multiway Cluster Robust DML 将 DML 推广至多路聚类抽样，提出多路交叉拟合算法并推导了聚类稳健标准误，直接连接了因果推断与聚类稳健推断。Standard Synthetic Control 揭示了 SCM 中全部结果滞后项作为预测变量时其他协变量被赋予零权重的机制，并提供了诊断建议；Synthetic Control Estimation Beyond Comparative Case Studies 则将 SCM 扩展至多处理单元和多解释变量场景，放松了可加性假设。Local Polynomial Order in RD 将带宽选择框架扩展到多项式阶数选择，以 AMSE 为准则。Nonparametric Instrumental Regression With Right Censored Duration Outcomes 在离散 IV 下处理右删失持续时间数据，提供了局部与全局识别条件及部分识别结果。Imputations for High Missing Rate Data 提出半监督插补方法，适用于协变量高缺失率场景，可作为因果推断的预处理工具。Estimation of Impulse Response Functions 提出混合频率分布滞后估计量，用于高频冲击对低频结果的脉冲响应估计。

高维与随机矩阵主线中，High-Dimensional Interaction Detection 在超高维二次回归中控制交互项的假符号率，给出了 oracle 不等式和渐近上界。High-Dimensional Elliptical Sliced Inverse Regression 用 Kendall's tau 矩阵替代协方差矩阵，在椭圆分布下实现稳健充分降维。Targeting Predictors Via Partial Distance Correlation 提出基于偏距离相关的模型无关变量筛选方法，适用于高维时间序列。Testing for Common Trends 利用特征值发散性检验大规模非平稳面板中的共同趋势数量，直接应用随机矩阵理论。

假设检验主线中，A Two-Step Method for Testing Many Moment Inequalities 将两步检验法推广至矩个数随样本量增长的情形，证明了渐近有效性。Testing for the Martingale Difference Hypothesis 首次提出基于鞅差散度矩阵的多元鞅差检验，并采用野自助法逼近临界值。The Grid Bootstrap for Continuous Time Models 提出修正网格自助法，在 in-fill 渐近下实现持久性参数的均匀推断。The Incidental Parameters Problem 揭示了 Pesaran CD 检验在大量待估参数下的发散问题，并提出加权修正。Comparing Predictive Accuracy 针对损失函数含形状参数的预测比较，利用泛函中心极限定理构造检验。Quantile Correlation-based Variable Selection 基于分位数相关系数进行高维变量选择，并控制 FDR。

与因果推断方向最贴的论文包括 PCDID、Multiway Cluster Robust DML、Standard Synthetic Control、Synthetic Control Estimation Beyond Comparative Case Studies、Nonparametric Instrumental Regression 和 Imputations for High Missing Rate Data；与半参数效率方向相关的有 Multiway Cluster Robust DML（DML 框架）和 Transformation Models in High Dimensions（正交化矩条件 + 交叉拟合）；与高维方向最贴的有 High-Dimensional Interaction Detection、High-Dimensional Elliptical Sliced Inverse Regression、Targeting Predictors 和 Testing for Common Trends。

因果推断 (causal_inference, 9 篇)¶

1. 10.1080/07350015.2021.1914636 — The PCDID Approach: Difference-in-Differences When Trends Are Potentially Unparallel and Stochastic¶

作者: Marc K. Chan, Simon S. Kwok
期刊/来源: Journal of Business & Economic Statistics
机构: The University of Melbourne · The University of Sydney
分类: vol 40 · issue 3 · pp 1216-1233
相关性 8/10 · novelty: new_method
摘要: 本文提出了一类基于回归的 PCDID 估计量，用于处理 DID 设定中处理组与对照组趋势不平行的问题。核心假设是未观测到的混杂趋势服从交互效应结构（interactive effects），即由少量因子载荷与因子时间序列的乘积之和构成。方法利用对照组数据构造因子代理变量（如主成分），将其作为控制函数纳入回归，从而识别处理效应。作者明确了在何种条件下该回归 estimand 对应有意义的因果参数，并建立了估计量的相合性与渐近正态性，对时间趋势的设定要求极弱。实证部分用美国福利 waiver 项目对福利案件量的影响进行说明。该文对您可能有用：它连接了您 primary interest 中的 DID 与因子模型，且其因子代理构造思路可与您熟悉的非参数统计与高维渐近工具结合，用于检验因子数选择或代理质量的敏感性。
关键技术: interactive fixed effects, principal components, control function, difference-in-differences, factor proxies, asymptotic normality
为什么对您有用: 本文直接连接您 primary interest 中的因果推断（DID 与交互效应模型），且其因子代理构造思路可与您 very_familiar 的非参数统计与高维渐近工具结合，用于检验因子数选择或代理质量的敏感性。中期可做：若想将因子代理方法与您 moderately_familiar 的识别理论结合，需先熟悉因子模型下的渐近理论（如 Bai 2009），但核心 DID 框架已在武器库内。

2. 10.1080/07350015.2021.1895815 · arXiv — Multiway Cluster Robust Double/Debiased Machine Learning¶

作者: Harold D. Chiang, Kengo Kato, Yukun Ma, Yuya Sasaki
期刊/来源: Journal of Business & Economic Statistics
机构: Vanderbilt University · Cornell University
分类: vol 40 · issue 3 · pp 1046-1056
相关性 8/10 · novelty: new_method
摘要: 本文在多重聚类抽样环境下研究双/去偏机器学习（DML）方法。目标是在数据存在多路聚类结构（如双向聚类）时，对因果参数（如ATE或需求弹性）进行推断。核心贡献包括：提出一种新颖的多路交叉拟合算法，将数据按聚类维度分层划分，避免信息泄露；基于该算法构造多路DML估计量，并推导出多路聚类稳健标准误公式，该标准误在聚类层面而非个体层面聚集。理论部分证明了估计量的渐近正态性和有效性。模拟显示有限样本性能良好。应用于市场份额数据的需求分析时，价格系数的双向聚类稳健标准误显著大于非稳健标准误。对您而言，本文直接连接因果推断中的DML方法与聚类稳健推断，且多路交叉拟合算法与您熟悉的cross-fitting技术一脉相承，可立即用于您正在处理的纵向或面板数据因果推断问题。
关键技术: double/debiased machine learning, multiway clustering, cross-fitting, cluster robust standard errors, Neyman orthogonality
为什么对您有用: 本文直接连接您primary interest中的因果推断（DML）和纵向/面板数据设定。多路聚类稳健标准误是您very_familiar的估计理论在因果推断中的自然延伸，且多路交叉拟合算法与您熟悉的cross-fitting技术高度兼容，属于立即可做的方向：您可以用very_familiar的nonparametric statistics和high-dimensional asymptotics工具，将本文的多路DML框架推广到proximal causal inference或mediation analysis中的多路聚类设定。

3. 10.1080/07350015.2021.1930012 — Standard Synthetic Control Methods: The Case of Using All Preintervention Outcomes Together With Covariates¶

作者: Ashok Kaul, Stefan Klößner, Gregor Pfeifer, Manuel Schieler
期刊/来源: Journal of Business & Economic Statistics
机构: Berliner Hochschule für Technik · University of Vechta · Saarland University · The University of Sydney · Ifo Institute for Economic Research · IZA - Institute of Labor Economics
分类: vol 40 · issue 3 · pp 1362-1376
相关性 7/10 · novelty: weaker_assumption
摘要: 本文研究标准合成控制法（SCM）中，将全部预处理结果滞后项作为经济预测变量时，其他协变量被赋予零权重的问题。理论证明，当所有结果滞后项被单独作为预测变量时，无论其他协变量对预测后处理结果有多重要，它们都会在优化过程中被忽略，从而威胁估计的无偏性。通过蒙特卡洛模拟和实证案例（如德国统一后的经济影响），展示了限制结果滞后项使用后，其他协变量获得正权重，且政策结论可能发生显著变化。方法上，本文揭示了SCM中预测变量选择对权重分配的关键影响，并提供了诊断性建议。对您而言，该工作直接关联因果推断中合成控制法的识别假设与估计偏差问题，尤其适用于纵向数据设定下的敏感性分析。
关键技术: synthetic control method, predictor selection, weight optimization, Monte Carlo simulation, pre-treatment outcome lags
为什么对您有用: 本文直接关联您primary interest中的因果推断（纵向数据、估计偏差），特别是合成控制法在实证应用中的识别假设问题。您的技术武器库中'非参数统计'和'因果推断估计理论'可直接用于分析其权重分配机制，例如用minimax bound验证其声称的偏差是否紧。中期可做：需先在'moderately_familiar'的识别理论（如协变量选择与无偏性条件）上深入，以拓展至更一般的SCM设定。

4. 10.1080/07350015.2021.1927743 — Synthetic Control Estimation Beyond Comparative Case Studies: Does the Minimum Wage Reduce Employment?¶

作者: David Powell
期刊/来源: Journal of Business & Economic Statistics
机构: RAND Corporation
分类: vol 40 · issue 3 · pp 1302-1314
相关性 7/10 · novelty: new_method
摘要: 本文扩展了合成控制法（Synthetic Control, SC），使其不再局限于单一处理单元和单一政策（comparative case study）的经典设定，而是能够同时估计多个离散或连续解释变量的参数，并为每个单元联合估计合成控制权重。该方法放松了传统面板固定效应模型中的可加性假设，通过优化目标函数同时求解参数和权重，适用于更一般的面板数据因果推断场景。作者将所提估计量应用于最低工资对就业影响的经典实证问题，利用美国县级面板数据，估计结果表明最低工资上涨会减少就业。从方法学角度看，该推广保留了SC的非参数匹配精神，但引入了多变量回归结构，可视为一种半参数面板数据估计器。对您而言，本文连接了因果推断中的identification与estimation（特别是面板数据设定下的处理效应估计），其联合估计思路与您熟悉的M-estimation框架有直接关联，可作为理解SC方法推广的实证入口。
关键技术: Synthetic Control, Panel Data, Fixed Effects, M-estimation, Minimum Wage
为什么对您有用: 本文属于因果推断中面板数据方法的重要推广，直接连接您的primary interest中的causal inference（identification, estimation）和semiparametric theory。您可以用very_familiar的M-estimation理论分析其联合估计的渐近性质，或用moderately_familiar的identification理论审视其假设（如平行趋势的放松程度）。中期可做：若想深入，需先在moderately_familiar的semiparametric theory上加强，以推导该估计量的半参效率界。

5. 10.1080/07350015.2021.1920961 — Local Polynomial Order in Regression Discontinuity Designs¶

作者: Zhuan Pei, David S. Lee, David Card, Andrea Weber
期刊/来源: Journal of Business & Economic Statistics
机构: IZA - Institute of Labor Economics · Cornell University · Policy Analysis (United States) · National Bureau of Economic Research · Princeton University · University of California, Berkeley
分类: vol 40 · issue 3 · pp 1259-1267
相关性 7/10 · novelty: new_method
摘要: 本文研究断点回归设计中局部多项式阶数的选择问题。在RD设计中，带宽和多项式阶数是局部回归方法的两个关键成分，但现有文献（如Imbens & Kalyanaraman, Calonico et al.）主要关注带宽选择，对多项式阶数的敏感性缺乏系统指导。作者指出，单纯基于偏差缩减的论证会倾向于选择高阶多项式，无法解决实际困惑。因此，他们将Imbens-Kalyanaraman和Calonico-Cattaneo-Titiunik的框架扩展到多项式阶数选择，以局部回归RD估计量的渐近均方误差（AMSE）作为准则。蒙特卡洛模拟表明，所提阶数选择程序在实证RD应用中常见的大样本量下表现良好。该方法可自然推广到模糊断点回归和回归kink设计。对您而言，本文是因果推断中RD设计的方法论贡献，直接关联您的primary interest中的identification和estimation theory，且其AMSE准则的推导思路可迁移到您熟悉的minimax bounds框架下进行理论验证。
关键技术: local polynomial regression, asymptotic mean squared error (AMSE), bandwidth selection, regression discontinuity design, fuzzy RD, regression kink design
为什么对您有用: 本文直接关联您的primary interest中的causal inference（RD设计的identification和estimation）。您可以用very_familiar中的minimax bounds工具来验证其AMSE准则的sharpness，或用moderately_familiar中的semiparametric theory来审视其效率性质。中期可做：若想将阶数选择与您熟悉的higher-order U-statistics结合（如评估高阶多项式估计量的计算成本），需先在moderately_familiar的HOIF上提升。

6. 10.1080/07350015.2021.1906259 · arXiv — Transformation Models in High Dimensions¶

作者: Sven Klaassen, Jannis Kueck, Martin Spindler
期刊/来源: Journal of Business & Economic Statistics
分类: vol 40 · issue 3 · pp 1168-1178
相关性 7/10 · novelty: new_method
摘要: 本文在高维协变量场景下研究变换模型（transformation model），目标是对变换参数（如Box-Cox变换中的λ）进行推断。作者提出了一种基于正交化矩条件（orthogonalized moment condition）的估计量，其中 nuisance 函数依赖于目标参数，通过交叉拟合（cross-fitting）和Neyman正交性实现参数估计的渐近正态性，且收敛速度为 n^{-1/2}。该方法的核心技术工具包括经验过程理论、高维稀疏估计（如Lasso）以及正交得分（orthogonal score）的构造。模拟实验表明该估计量在有限样本下表现良好。实证部分使用美国社区调查（ACS）数据检验了工资对数变换的合理性。对您而言，本文的Neyman正交化+高维nuisance估计框架可直接迁移至您熟悉的因果推断中的半参数效率理论，尤其是处理高维协变量下的ATE或ATT估计时，类似的orthogonal score构造思路可用来放松对nuisance模型一致性的要求。
关键技术: orthogonal moment condition, Neyman orthogonality, cross-fitting, high-dimensional sparse estimation, Box-Cox transformation, empirical process theory
为什么对您有用: 本文直接连接您的primary interest中的因果推断（高维协变量下的半参数估计）和效率理论（正交得分实现n^{-1/2}渐近正态）。您武器库中very_familiar的nonparametric statistics和high-dimensional asymptotics可以立即用于分析其正交化矩条件的效率损失（例如，与您熟悉的半参数效率界对比）。中期可做：若想将本文方法推广至proximal causal inference中的高维negative control设定，需先在moderately_familiar的identification theory上长肌肉（理解proximal g-formula的识别条件如何与正交得分结合）。

7. 10.1080/07350015.2021.1895814 · arXiv — Nonparametric Instrumental Regression With Right Censored Duration Outcomes¶

作者: Jad Beyhum, Jean-Pierre Florens, Ingrid Van Keilegom
期刊/来源: Journal of Business & Economic Statistics
机构: KU Leuven · Toulouse School of Economics
分类: vol 40 · issue 3 · pp 1034-1045
相关性 7/10 · novelty: new_method
摘要: 本文研究离散处理变量 Z 对右删失持续时间 T 的因果效应，处理非随机分配，使用离散工具变量解决混杂问题。模型设定为非参数，允许随机右删失，生成非线性逆问题，ATE 通过求解该逆问题得到。作者提供了基于非线性方程组的局部和全局识别条件，并提出了估计程序求解该系统，推导了收敛速率和渐近正态性条件。当删失导致识别失败时，发展了部分识别结果。模拟显示有限样本性质良好，并应用于伊利诺伊州再就业奖金实验。该文对您可能有用：它连接了因果推断中的 IV 方法和持续时间数据的非参数处理，与您 primary interest 中的 IV 和 longitudinal 方向直接相关。
关键技术: nonlinear inverse problem, instrumental variable, right censoring, nonparametric identification, partial identification
为什么对您有用: 本文直接关联 primary interest 中的 IV 和 longitudinal 因果推断，处理右删失持续时间数据，这是您武器库中非参数统计和因果推断估计理论的直接应用场景。技术核心是非线性逆问题，与您熟悉的逆问题框架一致，但需注意其识别条件依赖于离散工具变量，您可用 minimax 界验证其收敛速率是否最优。中期可做：若想将方法扩展到连续工具变量，需先在 moderately_familiar 的 semiparametric theory 上提升。

8. 10.1080/07350015.2021.1922120 · arXiv — Imputations for High Missing Rate Data in Covariates Via Semi-supervised Learning Approach¶

作者: Wei Lan, Xuerong Chen, Tao Zou, Chih-Ling Tsai
期刊/来源: Journal of Business & Economic Statistics
分类: vol 40 · issue 3 · pp 1282-1290
相关性 5/10 · novelty: new_method
摘要: 本文针对协变量缺失率高（如块状缺失）的问题，提出一种基于半监督学习思想的插补方法。核心设定是将缺失和非缺失样本分别视为无标签和有标签的目标输出，而将对应的响应变量视为输入，从而在不施加模型假设的情况下实现高缺失率下的插补。该方法对连续协变量有闭式解，计算高效，对离散协变量也有类似处理。理论部分利用非参数技术证明了插补值的统计性质。模拟和在线消费金融实例展示了方法的实用性。该方法为因果推断中协变量缺失的预处理提供了新思路，尤其适用于高缺失率场景。
关键技术: semi-supervised learning, nonparametric imputation, high missing rate, block-wise missing data, closed-form imputation
为什么对您有用: 本文直接关联因果推断中的协变量缺失问题，是您 primary interest 中因果推断（identification, estimation）的常见实际障碍。您的武器库中 'nonparametric statistics' 和 'estimation theory in causal inference' 可直接用于分析该插补方法在后续因果估计（如 IPW、AIPW）中的影响，属于 '立即可做' 的 follow-up。

9. 10.1080/07350015.2021.1889567 — Estimation of Impulse Response Functions When Shocks Are Observed at a Higher Frequency Than Outcome Variables¶

作者: Alexander Chudik, Georgios Georgiadis
期刊/来源: Journal of Business & Economic Statistics
机构: Federal Reserve Bank of Dallas · European Central Bank
分类: vol 40 · issue 3 · pp 965-979
相关性 4/10 · novelty: new_method
摘要: 本文提出混合频率分布滞后（MFDL）估计量，用于在冲击变量以高频观测、结果变量以低频观测（如时间聚合或顺序抽样）时估计脉冲响应函数。设定中，数据生成过程（DGP）为冲击频率上的VAR模型，但研究者未知或未观测到全部相关内生变量。MFDL估计量通过将低频结果变量与高频冲击的滞后项进行回归，并利用分布滞后多项式来近似高频动态，从而避免了对完整DGP的建模。作者建立了MFDL估计量的一致性和渐近正态性，并通过蒙特卡洛实验验证了其有限样本表现。实证应用包括每日原油价格冲击对每周美国汽油消费者价格的传导、全球投资者风险偏好冲击对全球资本流动的影响，以及货币政策冲击对实际经济活动的影响。该工作对您可能有用，因为它涉及因果推断中冲击识别与时间聚合下的估计问题，与您对纵向因果推断和IV方法的兴趣直接相关。
关键技术: mixed-frequency distributed-lag (MFDL) estimator, impulse response function, temporal aggregation, VAR model, distributed lag polynomial
为什么对您有用: 本文直接关联您对因果推断中纵向设定和IV方法的兴趣，特别是冲击识别与时间聚合下的估计问题。您武器库中'因果推断中的估计理论'和'非参数统计'可用于分析MFDL估计量的偏差-方差权衡，而'高阶U统计量的计算'可能为处理更复杂的混合频率结构提供新视角。中期可做：需先在'半参数理论'上加强，以处理MFDL估计量在更一般DGP下的效率界。

高维统计 / 随机矩阵 (high_dim_rmt, 4 篇)¶

1. 10.1080/07350015.2021.1917419 — High-Dimensional Interaction Detection With False Sign Rate Control¶

作者: Daoji Li, Yinfei Kong, Yingying Fan, Jinchi Lv
期刊/来源: Journal of Business & Economic Statistics
机构: California State University, Fullerton · Decision Sciences (United States) · University of Southern California
分类: vol 40 · issue 3 · pp 1234-1245
相关性 7/10 · novelty: new_method
摘要: 本文研究超高维二次回归模型中的交互效应检测问题，目标是在随机设计下控制交互项的假符号率（false sign rate）。现有交互检测文献多关注预测或变量选择，但缺乏对符号方向错误率的理论保证。作者证明所提方法（基于Lasso的变体）享有与Lasso估计量相同的oracle不等式，并进一步给出假符号率的显式上界，且该上界可渐近趋于零。理论工具涉及高维随机设计下的稀疏性分析和偏差-方差权衡。模拟实验验证了理论结果，真实数据应用展示了方法的实用性。对您而言，本文在高维交互检测中引入假符号率控制，与您的高维统计和假设检验兴趣直接相关，且其理论分析框架（oracle不等式、渐近界）可迁移至您熟悉的minimax bound工具。
关键技术: false sign rate, oracle inequality, ultrahigh-dimensional quadratic regression, interaction detection, random design
为什么对您有用: 本文连接您的高维统计和假设检验兴趣，具体在超高维交互检测中引入假符号率这一新目标。您可以用very_familiar的minimax bound工具验证其oracle不等式是否紧，或用moderately_familiar的HOIF理论分析交互项估计的更高阶影响函数。中期可做：需先熟悉假符号率与经典FDR的联系（moderately_familiar的假设检验理论）。

2. 10.1080/07350015.2021.1910041 · arXiv — High-Dimensional Elliptical Sliced Inverse Regression in Non-Gaussian Distributions¶

作者: Xin Chen, Jia Zhang, Wang Zhou
期刊/来源: Journal of Business & Economic Statistics
分类: vol 40 · issue 3 · pp 1204-1215
相关性 6/10 · novelty: new_method
摘要: 本文针对高维协变量非正态（尤其是椭圆分布、重尾）场景下切片逆回归（SIR）估计效率低甚至不一致的问题，提出椭圆切片逆回归（ESIR）方法。核心思路是用多元 Kendall's tau 矩阵替代传统 SIR 中的协方差矩阵，在广义特征值问题框架下实现充分降维。理论部分在高维设定下（p 随 n 增长）建立了 ESIR 估计量的相合性与渐近分布，推导了收敛速率。算法上给出了基于 Kendall's tau 的实用计算流程，模拟表明 ESIR 在重尾场景下显著优于其他稳健 SIR 变体。实证部分用伊斯坦布尔股票交易所数据验证了方法有效性。该方法可推广至其他充分降维方法及非椭圆重尾分布。对您而言，本文在高维非高斯设定下用秩相关矩阵替代协方差矩阵的思路，与您在高维统计和随机矩阵理论方面的兴趣直接相关，且 Kendall's tau 矩阵的谱分析可能用到 RMT 工具。
关键技术: Kendall's tau matrix, elliptical distribution, sliced inverse regression, generalized eigenvalue problem, high-dimensional asymptotics
为什么对您有用: 本文直接对接您的高维统计兴趣，具体在非高斯椭圆分布场景下用 Kendall's tau 矩阵替代协方差矩阵进行充分降维。您武器库中 very_familiar 的 'high-dimensional asymptotics' 和 'inverse problems with random noise' 可直接用于分析其估计量的收敛性质，而 moderately_familiar 的 'semiparametric theory' 可帮助评估其效率损失。中期可做：若想将 ESIR 与您的 HOIF 或 U-statistics 工作结合，需先在 moderately_familiar 的 'theory of higher-order U-statistics' 上长肌肉，因为 Kendall's tau 本身就是 U-statistic。

3. 10.1080/07350015.2021.1895812 — Targeting Predictors Via Partial Distance Correlation With Applications to Financial Forecasting¶

作者: Kashif Yousuf, Yang Feng
期刊/来源: Journal of Business & Economic Statistics
机构: Columbia University · New York University
分类: vol 40 · issue 3 · pp 1007-1019
相关性 5/10 · novelty: new_method
摘要: 本文针对高维时间序列数据，提出基于偏距离相关（partial distance correlation）的模型无关变量筛选方法。方法适用于单变量非线性自回归模型（NARX）和多变量VAR模型，利用时间序列的依赖结构进行筛选。作者证明了所提方法的sure screening性质，该性质依赖于矩条件和响应与协变量过程的依赖强度等。通过大量模拟和预测美国市场收益率的应用展示了方法的有效性。对您而言，该方法为高维时间序列的变量筛选提供了新工具，可与您在高维统计和因果推断中的工作结合，例如在纵向数据或IV选择中应用。
关键技术: partial distance correlation, sure screening, nonlinear autoregressive model with exogenous predictors (NARX), VAR model, model-free screening
为什么对您有用: 本文属于高维统计与时间序列交叉领域，直接连接您的高维统计兴趣。您可以用非参数统计和minimax界工具分析其sure screening性质的紧性（very_familiar）。中期可做：将偏距离相关方法引入因果推断中的变量选择（moderately_familiar的identification theory）。

4. 10.1080/07350015.2021.1901719 — Testing for Common Trends in Nonstationary Large Datasets¶

作者: Matteo Barigozzi, Lorenzo Trapani
期刊/来源: Journal of Business & Economic Statistics
机构: University of Bologna · University of Nottingham
分类: vol 40 · issue 3 · pp 1107-1122
相关性 3/10 · novelty: new_method
摘要: 本文针对大规模非平稳面板数据，提出一种基于检验的程序来确定共同趋势的数量（包括线性趋势和随机趋势），并允许因子之间存在协整。核心思想是：当数据集维度 N 发散时，数据协方差矩阵中对应共同因子部分的特征值发散，而其余特征值有界。作者基于估计的特征值构造了一类随机化检验统计量，用于检验第 p 大特征值是否发散。该方法对数据生成过程的假设要求极低，仅需最小假设。蒙特卡洛模拟表明，该方法在有限样本下表现优异，尤其在无共同趋势时明显优于竞争方法。实证部分应用于美国不同期限国债收益率数据。对您而言，该文将高维随机矩阵理论（特征值发散 vs 有界）直接用于非平稳时间序列的因子数推断，与您的高维统计和假设检验兴趣高度相关。
关键技术: randomized test statistics, eigenvalue divergence, factor model, cointegration, large N asymptotics
为什么对您有用: 该文直接连接您的高维统计与随机矩阵理论兴趣，具体在因子模型中特征值行为的检验问题。您武器库中的 minimax bounds 和 high-dimensional asymptotics 可用于分析其检验的势函数或提出更紧的阈值条件，属于中期可做——需先在 moderately_familiar 的 M-estimation theory 上熟悉因子模型的估计框架。

数理统计 / 假设检验 (hypothesis_testing, 6 篇)¶

1. 10.1080/07350015.2021.1899932 — Quantile Correlation-based Variable Selection¶

作者: Wenlu Tang, Jinhan Xie, Yuanyuan Lin, Niansheng Tang
期刊/来源: Journal of Business & Economic Statistics
机构: Hong Kong Polytechnic University · Yunnan University · Chinese University of Hong Kong
分类: vol 40 · issue 3 · pp 1081-1093
相关性 6/10 · novelty: weaker_assumption
摘要: 本文针对高维数据中变量选择问题，提出基于分位数相关系数的多重检验方法，无需指定具体模型即可捕捉预测变量间的复杂依赖关系。分位数相关系数能度量任意分位点上的非线性关联，比传统 Pearson 相关系数更灵活。作者进一步开发了逐步选择程序以识别重要变量，并针对超高维数据设计了基于分位数相关的确定独立筛选（SIS）方法，计算高效且易于实现。理论方面，在温和条件下建立了变量选择的相合性和 FDR 控制性质。模拟和实际数据分析表明该方法在有限样本下表现良好。对您而言，本文属于假设检验框架下的高维变量选择，其分位数相关系数的理论分析（如相合性）可与您熟悉的高维渐近理论对接，但方法本身并非您核心兴趣中的前沿方向。
关键技术: quantile correlation, multiple testing, sure independent screening (SIS), stepwise variable selection, high-dimensional inference
为什么对您有用: 本文属于高维统计中的假设检验与变量选择，与您的 primary interest 中的 hypothesis testing 和 high-dimensional statistics 有直接重叠。您可以用 very_familiar 的高维渐近理论（如 minimax bounds）来评估其提出的分位数相关系数在稀疏性假设下的最优性，但方法本身（SIS + 多重检验）是经典框架的变体，缺乏新的理论突破。中期可做：若想深入，需在 moderately_familiar 的 M-estimation theory 上加强，以处理分位数相关系数的估计方程性质。

2. 10.1080/07350015.2021.1897016 — A Two-Step Method for Testing Many Moment Inequalities¶

作者: Yuehao Bai, Andres Santos, Azeem M. Shaikh
期刊/来源: Journal of Business & Economic Statistics
机构: University of Michigan · University of California, Los Angeles · University of Chicago
分类: vol 40 · issue 3 · pp 1070-1080
相关性 5/10 · novelty: sharper_rate
摘要: 本文研究有限个矩不等式检验问题，目标是在原假设下检验一组矩条件是否同时非负。作者将 Romano, Shaikh, Wolf (2014) 提出的两步检验法推广到“许多”矩的情形，即矩个数随样本量快速增长。第一步利用置信区域纳入矩位置信息，第二步通过调整显著性水平校正第一步的使用。在弱假设下，证明了该方法在矩个数远大于样本量时仍保持渐近有效性。模拟研究验证了理论结果，并与 Chernozhukov, Chetverikov, Kato (2013) 的方法进行了比较，数值和理论证据均显示本文方法更优。该工作对高维假设检验有直接贡献，尤其适用于 moment inequality 检验中矩个数发散的情形。
关键技术: moment inequalities, two-step testing procedure, confidence region, many moments asymptotics, multiple testing
为什么对您有用: 本文直接关联您对 hypothesis testing 的兴趣，特别是 moment inequality 检验在高维设定下的理论保证。您武器库中的 minimax bounds 和 high-dimensional asymptotics 可用于分析该方法的检验势或最优性，属于中期可做（需先熟悉 moment inequality 检验的现有文献）。

3. 10.1080/07350015.2021.1889568 — Testing for the Martingale Difference Hypothesis in Multivariate Time Series Models¶

作者: Guochang Wang, Ke Zhu, Xiaofeng Shao
期刊/来源: Journal of Business & Economic Statistics
机构: Jinan University · University of Hong Kong · University of Illinois Urbana-Champaign
分类: vol 40 · issue 3 · pp 980-994
相关性 5/10 · novelty: new_method
摘要: 本文针对多元时间序列模型中误差项是否为鞅差序列（MDS）的检验问题，首次提出了一类基于鞅差散度矩阵（MDDM）的检验统计量。在参数化条件均值设定下，该检验无需指定误差分布的具体形式，具有非参数性质。作者建立了检验统计量在原假设下的渐近零分布理论，并证明其对固定备择假设具有一致性，对局部备择假设具有非平凡功效（收敛速率 n^{-1/2}）。由于渐近零分布依赖于数据生成过程和参数估计，文章进一步提出了野自助法（wild bootstrap）来逼近临界值，并从理论上证明了其有效性。模拟研究和实际数据分析展示了该检验的良好有限样本表现。该工作将单变量鞅差检验推广到多元情形，填补了该领域的方法空白，对金融时间序列中的模型诊断（如资产定价模型残差检验）具有直接应用价值。
关键技术: martingale difference divergence matrix (MDDM), wild bootstrap, multivariate time series, parametric conditional mean, local alternatives
为什么对您有用: 该论文直接对应您 primary interest 中的 'hypothesis testing' 子方向，特别是时间序列设定下的模型诊断检验。您武器库中 'high-dimensional asymptotics' 和 'nonparametric statistics' 可直接用于分析 MDDM 统计量的渐近性质（如高维情形下的行为），而 'software development' 技能可用于实现该检验的 bootstrap 算法。中期可做：若将 MDDM 检验推广到高维（p > n）情形，需先在 'moderately_familiar' 的 'theory of higher-order U-statistics' 上长肌肉，因为 MDDM 本质上是 U-统计量，其高维渐近理论需要更精细的工具。

4. 10.1080/07350015.2021.1930014 — The Grid Bootstrap for Continuous Time Models¶

作者: Yiu Lim Lui, Weilin Xiao, Jun Yu
期刊/来源: Journal of Business & Economic Statistics
机构: Dongbei University of Finance and Economics · Zhejiang University · Singapore Management University
分类: vol 40 · issue 3 · pp 1390-1402
相关性 4/10 · novelty: new_method
摘要: 本文针对连续时间模型中的持久性参数（persistence parameter）提出了一种新的网格自助法（grid bootstrap）来构建置信区间。与 Hansen 标准网格自助法的关键区别在于对初始条件的处理方式。在 in-fill 渐近框架下，证明了该置信区间的渐近有效性，并实现了对持久性参数的均匀推断。其改进机制是将基于系数的统计量围绕其非渐近枢轴且依赖于初始条件的 in-fill 渐近分布进行展开。蒙特卡洛研究表明，所提出的修正网格自助法在有限样本下优于 Hansen 的网格自助法。对美国利率和波动率的实证应用显示，当初始条件较大时，两种自助法程序存在显著差异。
关键技术: grid bootstrap, in-fill asymptotics, uniform inference, persistence parameter, continuous-time models
为什么对您有用: 本文属于假设检验与自助法推断的交叉领域，直接关联您对 hypothesis testing 的兴趣。其核心贡献在于通过修正初始条件处理来改进网格自助法的均匀推断性质，这与您熟悉的非参数统计和 minimax 界工具可以对话——例如，可以用 minimax 框架检验其声称的均匀覆盖率的紧性。中期可做：需要先在 moderately_familiar 的 M-estimation 理论上长肌肉，以理解其统计量展开的渐近理论。

5. 10.1080/07350015.2021.1906687 · arXiv — The Incidental Parameters Problem in Testing for Remaining Cross-Section Correlation¶

作者: Artūras Juodis, Simon Reese
期刊/来源: Journal of Business & Economic Statistics
分类: vol 40 · issue 3 · pp 1191-1203
相关性 4/10 · novelty: new_method
摘要: 本文研究面板数据模型中，当存在大量待估参数（如时期特定效应）时，Pesaran CD 检验（用于检验截面相关性）的统计性质。作者证明，即使截面相关性已被正确建模，CD 检验统计量也会随样本时间维度 T 增长而发散，这构成了一个典型的 incidental parameters problem。该问题在经典的双向固定效应估计器和 Pesaran 的 Common Correlated Effects 估计器中均出现。为解决此问题，作者提出了一种加权 CD 检验统计量，在原假设下恢复标准正态渐近分布。由于 CD 检验在实证研究中被广泛用于检验剩余截面相关性，该结果对应用研究者具有重要启示。对您而言，本文直接关联到假设检验与面板数据计量经济学，其 incidental parameters 的分析框架可迁移至您熟悉的因果推断中的纵向数据设定。
关键技术: Pesaran CD test, incidental parameters problem, panel data, two-way fixed effects, Common Correlated Effects estimator, weighted test statistic
为什么对您有用: 本文直接关联到您的 primary interest 中的 hypothesis testing 和 longitudinal 因果推断。其核心问题——大量 nuisance 参数导致检验统计量发散——与您熟悉的 minimax 和非参理论中的偏差-方差权衡有深层联系。从技术武器库看，您可以用 very_familiar 的高维渐近理论来理解其发散机制，并用 moderately_familiar 的 M-estimation 理论来评估加权检验的渐近效率。中期可做：若想将类似加权思路推广到您关注的因果推断中的敏感性分析或 IV 设定，需先在 moderately_familiar 的 semiparametric theory 上加强，以处理更复杂的 nuisance 参数结构。

6. 10.1080/07350015.2021.1896527 — Comparing Predictive Accuracy in the Presence of a Loss Function Shape Parameter¶

作者: Sander Barendse, Andrew J. Patton
期刊/来源: Journal of Business & Economic Statistics
机构: University of Oxford · Duke University
分类: vol 40 · issue 3 · pp 1057-1069
相关性 4/10 · novelty: new_method
摘要: 本文针对损失函数包含形状参数（如风险厌恶系数、投资组合权重向量、一致评分规则中的参数）的预测精度比较问题，提出了新的检验方法。现有方法在形状参数取值数量增加时失效，而本文提出的检验通过将形状参数视为连续变量，利用泛函中心极限定理和自举方法构造检验统计量，避免了离散化带来的多重比较问题。核心机制是：将预测误差序列视为形状参数的随机过程，检验原假设为两个预测模型在所有形状参数值上的期望损失相等。该方法在蒙特卡洛模拟中表现出良好的尺寸和功效性质，尤其当形状参数取值数量较大时显著优于现有方法。三个实证应用（风险厌恶系数、投资组合权重、Murphy图）展示了方法的实用性。对您而言，该检验框架可迁移至因果推断中的敏感性分析（如对不同未测量混杂程度的稳健性检验），或高维U统计量中参数化损失函数的假设检验问题。
关键技术: functional central limit theorem, bootstrap-based inference, shape parameter process, out-of-sample forecast comparison, Murphy diagram
为什么对您有用: 直接连接到您的假设检验兴趣：本文处理的是损失函数形状参数连续变化时的检验问题，与您在高维统计和U统计量中处理参数化损失函数的场景有方法学共鸣。技术武器库中'非参数统计'和'高维渐近理论'可直接用于理解其泛函极限理论，而'高阶U统计量'的树宽/张量收缩视角可用于分析其自举过程的计算成本（中期可做：需先在moderately_familiar的HOIF上长肌肉以处理其影响函数结构）。

经济理论 / 应用 (econ_theory, 13 篇)¶

1. 10.1080/07350015.2021.1927744 · arXiv — State-Varying Factor Models of Large Dimensions¶

作者: Markus Pelger, Ruoxuan Xiong
期刊/来源: Journal of Business & Economic Statistics
分类: vol 40 · issue 3 · pp 1315-1333
相关性 6/10 · novelty: application
摘要: 本文提出状态变化因子模型（state-varying factor models），允许因子载荷是状态过程的非参数函数，而非常数。在截面和时间维度都很大的面板数据下，结合非参数核方法与主成分分析（PCA）估计潜在因子和状态依赖载荷。推导了因子、载荷和共同成分的收敛速度与渐近正态分布，并构造了因子结构是否随状态变化的统计检验。应用于美国国债收益率和S&P500股票收益数据，发现国债因子结构在繁荣与衰退期、高波动与低波动期显著不同；基于VIX的状态变化因子比常数因子模型捕捉到个股更多的变异和定价信息。对您而言，这是一篇经济/金融领域的应用论文，展示了非参数方法与因子模型结合在实证资产定价中的价值，其分析模式（非参数载荷+检验结构变化）可迁移到您关注的纵向因果推断或高维面板数据设定。
关键技术: kernel smoothing, principal component analysis, state-varying loadings, factor model, nonparametric estimation, hypothesis testing for factor structure change
为什么对您有用: 本文属于经济理论/应用方向，是您的次要兴趣。它展示了非参数方法与因子模型在大型面板数据中的结合，其分析模式（状态依赖载荷、结构变化检验）对您关注的纵向因果推断或高维面板数据有参考价值。武器库中的非参数统计和估计理论可直接用于理解其方法核心，但本文偏应用，方法学新颖性有限，属于中期可读的入门级应用论文。

2. 10.1080/07350015.2021.1889566 — Quasi-Experimental Evaluation of Alternative Sample Selection Corrections¶

作者: Robert Garlick, Joshua Hyman
期刊/来源: Journal of Business & Economic Statistics
机构: Duke University · Amherst College
分类: vol 40 · issue 3 · pp 950-964
相关性 6/10 · novelty: application
摘要: 本文利用密歇根州2007年强制所有学生参加大学入学考试这一自然实验，评估了多种样本选择校正方法的实证表现。基准是2007年后近乎完整的考试数据（考试率从64%升至99%），研究者将2007年前的选择性样本上应用不同校正方法（参数Heckman型、半参数法、非参数法）得到的系数估计与基准OLS估计进行比较。核心发现是：限制较少的半参数校正方法通常优于参数方法，但并未优于不校正选择的简单OLS回归；当协变量较少且离散时，所有校正方法的表现均更差。该研究提供了罕见的“真实基准”下的选择校正方法比较，而非仅依赖模拟或理论推导。对您而言，这是一篇应用导向的实证因果推断论文，展示了在真实数据中评估方法稳健性的策略，与您对流行病学/经济学中应用因果工作的兴趣直接相关。
关键技术: sample selection correction, Heckman selection model, semiparametric selection models, natural experiment, OLS benchmark
为什么对您有用: 本文属于经济学的应用因果工作，直接连接您的secondary interest中的经济理论与流行病学应用。它提供了一个清晰的实证评估框架——用自然实验构造基准来比较不同校正方法，这种思路可迁移到您熟悉的因果推断设定（如IV或proximal CI）中验证估计量的有限样本表现。武器库中'因果推断的估计理论'和'非参数统计'足以理解并批判其方法选择，但本文本身是应用论文，无需您立即动手；可作为中期可做的参考：若未来您想用类似策略评估自己的估计量（如debiased ML）在真实数据中的表现，本文的评估设计值得借鉴。

作者: Stephen L. Ross, Zhentao Shi
期刊/来源: Journal of Business & Economic Statistics
机构: University of Connecticut · Chinese University of Hong Kong
分类: vol 40 · issue 3 · pp 995-1006
相关性 6/10 · novelty: application
摘要: 本文利用中国大学宿舍随机分配的自然实验，识别同伴效应中的内生效应（endogenous peer effects）。通过学生跨校区搬迁导致的室友变动，构造部分重叠的同伴群体，利用一个群体的同伴特征作为另一个群体内生效应的工具变量。传统IV估计显示弱工具变量问题，因此采用弱IV稳健的S检验、K检验和QCLR检验进行推断。这些稳健检验在0.01-0.05水平上拒绝零内生效应，而传统IV的p值为0.003；QCLR检验的95%置信区间下界为0.154，传统IV为0.244。结果对替代模型设定稳健，提供了同伴效应影响学业成绩的实证证据。对您而言，本文是经济理论/应用因果推断方向的一个良好入门案例，展示了弱IV稳健方法在真实数据中的必要性。
关键技术: weak-instrument robust tests, S-test, K-test, QCLR test, partially overlapping peer groups, instrumental variables
为什么对您有用: 本文属于经济理论/应用因果推断的gateway reading。它清晰展示了弱IV场景下稳健推断方法（S/K/QCLR检验）的实际应用，适合作为进入该领域的入门读物。您的武器库中'identification theory in causal inference'和'estimation theory in causal inference'足以理解其识别策略和推断方法，但弱IV稳健检验的具体技术细节（如QCLR的构造）属于moderately_familiar领域，需要额外学习。总体而言，本文值得花时间阅读全文，以了解应用因果推断中处理弱IV的实践范式。

4. 10.1080/07350015.2021.1895813 · arXiv — Semiparametric Quantile Models for Ascending Auctions With Asymmetric Bidders¶

作者: Jayeeta Bhattacharya, Nathalie Gimenes, Emmanuel Guerre
期刊/来源: Journal of Business & Economic Statistics
分类: vol 40 · issue 3 · pp 1020-1033
相关性 6/10 · novelty: application
摘要: 本文在独立私有价值框架下，针对非对称竞拍者提出了一种简约且灵活的半参数分位数回归模型。非对称性通过父分布（由分位数回归生成）的幂次参数化，覆盖并扩展了Cantillon提出的有效合谋、联合投标和同质竞拍者合并模型。该模型可利用升价拍卖中的获胜出价和获胜者身份进行两阶段估计：第一阶段通过最大似然估计非对称参数，第二阶段通过修改Gimenes的方法估计父分位数回归。文章还考虑了模型设定检验程序。木材拍卖应用显示，弱势竞拍者获胜概率比强势者低30%，且增加参与人数不如使用最优保留价有效。本文对您作为经济理论（应用数据集和模型）的次要兴趣有直接参考价值，其半参数分位数回归与识别策略可迁移至因果推断中的异质性处理效应分析。
关键技术: quantile regression, semiparametric specification, maximum likelihood, specification testing, asymmetric auction model
为什么对您有用: 本文属于经济理论（拍卖模型）的应用论文，直接对应您的次要兴趣。其半参数分位数回归框架和两阶段估计策略，与您熟悉的非参数统计和因果推断中的识别理论有方法学交叉，可作为进入经济理论应用领域的入门读物。武器库中的非参数统计和估计理论足以理解其核心方法，但拍卖理论的具体设定（如独立私有价值、非对称参数化）需要额外学习，属于中期可做方向。

5. 10.1080/07350015.2021.1899933 · arXiv — Machine Learning Time Series Regressions With an Application to Nowcasting¶

作者: Andrii Babii, Eric Ghysels, Jonas Striaukas
期刊/来源: Journal of Business & Economic Statistics
分类: vol 40 · issue 3 · pp 1094-1106
相关性 5/10 · novelty: application
摘要: 本文针对高频混合频率时间序列数据，提出了结构化机器学习回归方法，核心是稀疏组LASSO（sparse-group LASSO）估计器。该方法利用时间序列的天然分组结构（如不同频率的变量组），在理论上建立了允许混合过程和重尾（heavy-tailed）分布的oracle不等式，给出了估计误差的有限样本上界。实证部分应用于美国GDP的即时预测（nowcasting），表明稀疏组LASSO优于传统LASSO及其他替代方法，且文本数据能提升预测精度。方法已实现为R包midasml。对您而言，这是一篇经济预测领域的应用论文，展示了结构化正则化在高维时间序列中的优势，可作为经济数据建模的参考。
关键技术: sparse-group LASSO, oracle inequality, mixing processes, heavy-tailed distributions, nowcasting, mixed-frequency data
为什么对您有用: 本文属于经济理论/应用方向，是您的次要兴趣。它展示了高维时间序列中结构化正则化的实际效果，但方法学创新有限（主要是LASSO变体的应用）。武器库中的'高维渐近理论'可用来理解其oracle不等式的证明，但该论文本身不涉及因果推断或效率理论，因此暂不可做——核心机器（如DML、U统计量）未直接使用。作为入门读物，它清晰展示了经济预测的数据结构和模型设定，值得花时间读全文以了解经济应用场景。

作者: Angelo Mele
期刊/来源: Journal of Business & Economic Statistics
机构: Johns Hopkins University
分类: vol 40 · issue 3 · pp 1377-1389
相关性 4/10 · novelty: application
摘要: 本文构建并估计了一个包含异质性个体和潜在社区结构的网络形成结构模型，其均衡的同质性（homophily）和聚类（clustering）水平能够匹配真实社交网络中的典型观测值。模型假设个体属于计量经济学家未观测到的社区，并具有社区特定的收益函数，从而允许偏好中存在对相似个体的偏向。个体依次相遇，在收到随机匹配冲击后决定是否形成双边链接，该过程收敛到一个层次化的指数族随机图（hierarchical exponential family random graph）。利用Add Health的学校友谊网络数据，作者估计了参数和未观测异质性的后验分布，检测到高水平的种族同质性和跨社区的收益异质性。后验预测的充分统计量表明，该模型能够复现观测网络的同质性水平和整体聚类，而标准的不含社区结构的指数族网络模型则无法做到。对您而言，本文提供了一个结构计量经济学中网络形成的完整建模与估计案例，其社区结构假设与您熟悉的因果推断中的潜在变量模型有相通之处，可作为经济理论方向的应用入门读物。
关键技术: Exponential Random Graph Model (ERGM), Hierarchical ERGM, Sequential matching, Bayesian estimation, Markov Chain Monte Carlo (MCMC), Latent community structure
为什么对您有用: 本文属于经济理论方向的应用论文，适合作为gateway reading。它清晰地展示了结构计量模型如何将网络形成的微观决策（匹配冲击、社区偏好）与宏观网络特征（同质性、聚类）联系起来，数据侧（Add Health）和模型侧（层次化ERGM、贝叶斯MCMC）的阐述对统计学者友好。您的武器库中'非参数统计'和'因果推断中的估计理论'可帮助理解其模型设定与识别策略，但核心的ERGM和MCMC计算并非您非常熟悉的领域，因此属于'中期可做'——需先在'moderately_familiar'的M估计理论或因果推断识别理论上进一步积累，才能深入评估其模型的可识别性和估计效率。

7. 10.1080/07350015.2021.1920962 — Heteroscedastic Proxy Vector Autoregressions¶

作者: Helmut Lütkepohl, Thore Schlaak
期刊/来源: Journal of Business & Economic Statistics
机构: German Institute for Economic Research · Freie Universität Berlin
分类: vol 40 · issue 3 · pp 1268-1281
相关性 4/10 · novelty: application
摘要: 本文在代理变量向量自回归（proxy VAR）框架下，研究结构冲击的识别问题。传统方法通常假设冲击的即时影响效应（impact effects）随时间不变，仅允许方差存在异方差性。作者开发了一种检验该隐含假设的统计检验方法，并提供了实证证据表明，在以往使用的经验模型中，即时影响效应不变的假设可能被违反。该方法基于异方差结构，通过比较不同子样本或波动性区间的估计量来构造检验统计量。理论部分推导了检验统计量的渐近分布，并讨论了其有限样本性质。实证部分使用美国宏观经济数据展示了该检验的应用，发现某些经典模型中的假设不成立。对您而言，本文属于经济理论方向的应用型工作，展示了如何将统计检验方法应用于宏观经济识别问题，可作为了解VAR识别检验的入门读物。
关键技术: proxy VAR, heteroscedasticity, structural shock identification, hypothesis testing, time-varying impact effects
为什么对您有用: 本文属于经济理论（宏观经济）的应用型工作，涉及结构冲击的识别与假设检验，与您的secondary interest 'economic theory (application, data sets, causal inference)' 直接相关。作为入门读物，它清晰展示了如何将统计检验方法应用于宏观经济时间序列的因果识别问题，武器库中的非参数统计和假设检验知识足以理解其核心方法。值得花时间读全文以了解该领域的问题设定和检验思路。

8. 10.1080/07350015.2021.1906258 — Robust Inference for Diffusion-Index Forecasts With Cross-Sectionally Dependent Data¶

作者: Min Seong Kim
期刊/来源: Journal of Business & Economic Statistics
机构: University of Connecticut
分类: vol 40 · issue 3 · pp 1153-1167
相关性 4/10 · novelty: application
摘要: 本文针对扩散指数预测模型（diffusion-index forecasting model）中共同因子估计量的方差估计问题，提出了一种基于空间HAC（spatial HAC）估计量的时间序列平均方法，以处理截面异方差和截面相依的 idiosyncratic errors。在近似因子结构（approximate factor structure）下，该方法无需预先知道误差的依赖结构，即可构造条件均值的置信区间。渐近理论在非常温和的条件下成立，且通过bootstrap选择带宽参数。模拟研究表明有限样本表现良好，并应用于Ludvigson和Ng数据集的失业率预测。对您而言，这是一篇经济预测中因子模型推断的应用论文，其处理截面相依的稳健推断方法可能对您在经济理论或应用因果推断中处理面板数据有参考价值。
关键技术: spatial HAC estimator, approximate factor structure, diffusion-index forecasting, bootstrap bandwidth selection, cross-sectional dependence
为什么对您有用: 本文属于经济理论（应用因果/预测）方向，是您的secondary interest。它展示了在面板因子模型中如何用空间HAC做稳健推断，方法学上不深，但作为入门读物可了解经济预测中因子模型推断的常见问题。武器库中'高维渐近'和'因果推断中的估计理论'足以理解本文，但本文方法学贡献有限，不值得花时间精读全文。

9. 10.1080/07350015.2021.1927742 — SVARs Identification Through Bounds on the Forecast Error Variance¶

作者: Alessio Volpicella
期刊/来源: Journal of Business & Economic Statistics
机构: University of Surrey
分类: vol 40 · issue 3 · pp 1291-1301
相关性 3/10 · novelty: application
摘要: 本文研究结构向量自回归（SVAR）模型中通过预测误差方差分解（FEVD）的界约束来识别结构冲击。首先，将FEVD界转化为旋转矩阵列上的二次不等式约束。其次，建立理论条件，证明FEVD界能缩小脉冲响应识别集的宽度，相对于仅施加符号约束。第三，提出一种稳健贝叶斯推断方法。第四，展示如何基于不同参数化的DSGE模型来设定FEVD界。最后，通过货币SVAR的实证应用说明FEVD约束能获得更具信息量的推断，并消除仅用符号约束的不合理结果。对您而言，这是一篇经济理论应用论文，展示了如何将先验信息（来自DSGE模型）转化为可操作的约束，其识别策略和贝叶斯推断框架对您从事应用因果推断工作有参考价值。
关键技术: set-identified SVAR, forecast error variance decomposition bounds, quadratic inequality restrictions, robust Bayesian inference, DSGE-based prior elicitation
为什么对您有用: 本文属于经济理论应用方向，直接对应您的secondary interest中的经济理论。它展示了如何将DSGE模型的结构信息转化为FEVD界约束，从而缩小SVAR的识别集——这一思路对您从事应用因果推断（如IV、mediation）中的敏感性分析有启发。武器库中'identification theory in causal inference'（moderately_familiar）可用来分析其约束的识别强度，但核心工具（SVAR、DSGE）不在您的技术武器库中，因此属于暂不可做——需要先补充时间序列计量经济学和DSGE建模的基础知识。

10. 10.1080/07350015.2021.1920960 — Binary Conditional Forecasts¶

作者: Michael W. McCracken, Joseph T. McGillicuddy, Michael T. Owyang
期刊/来源: Journal of Business & Economic Statistics
机构: Federal Reserve Bank of St. Louis
分类: vol 40 · issue 3 · pp 1246-1258
相关性 3/10 · novelty: application
摘要: 本文研究二元条件预测问题，将条件预测文献与二元变量预测文献结合。核心设定是使用Qual-VAR模型，其联合VAR-probit结构允许对潜变量形成条件预测，进而生成二元变量的概率预测。方法上，作者将条件预测的构造与实现技术（如条件矩约束）扩展到二元结果场景，解决了传统条件预测仅适用于连续变量的局限。实证部分应用于实时预测美国经济衰退，并考察货币冲击和石油冲击对两次衰退概率的影响。对您而言，这是一篇应用导向的经济学论文，展示了因果推断中反事实预测的一种具体实现，可作为流行病学或经济学中二元结局预测的参考案例。
关键技术: Qual-VAR, conditional forecasting, probit model, latent variable, real-time recession forecasting
为什么对您有用: 本文属于经济理论应用方向，直接连接您的secondary interest中的经济理论（应用、模型、因果推断）。虽然方法学新颖性有限（主要是现有技术的组合应用），但提供了一个清晰的二元结局条件预测框架，对您从事流行病学或经济学中的因果推断应用（如政策冲击对二元健康结局的影响）有直接参考价值。武器库中'因果推断的估计理论'和'M估计理论'足以理解其核心机制，属于立即可做的阅读材料。

11. 10.1080/07350015.2021.1904960 — Practical Methods for Modeling Weak VARMA Processes: Identification, Estimation and Specification With a Macroeconomic Application¶

作者: Jean-Marie Dufour, Denis Pelletier
期刊/来源: Journal of Business & Economic Statistics
机构: Center for Interuniversity Research and Analysis on Organizations · McGill University · North Carolina State University
分类: vol 40 · issue 3 · pp 1140-1152
相关性 3/10 · novelty: application
摘要: 本文针对弱VARMA过程（即创新项仅要求不相关而非独立同分布）的建模问题，提出了实用的识别、估计和设定方法。首先，提出了两种新的可识别VARMA表示形式：对角MA方程形式和最终MA方程形式，其中MA算子分别是对角或标量的，这些表示形式是VAR模型的简单修改，避免了复杂的echelon表示。其次，开发了仅需线性回归的计算简单估计方法，并在创新项为不相关且强混合的弱假设下推导了估计量的渐近性质，拓宽了模型适用范围。第三，提出了修正的信息准则，能在所提表示形式下一致估计模型阶数。通过模拟研究评估了估计方法的表现，并基于美国1962-1996年月度数据，将所提VARMA方法应用于六变量货币政策宏观经济模型，展示了其在脉冲响应估计和预测方面优于标准VAR模型的优势。本文对您作为经济理论（应用因果工作）的次要兴趣方向具有直接参考价值，其弱假设下的识别策略和线性回归估计方法对处理实际宏观经济数据中的序列相关性有启发。
关键技术: VARMA models, weak VARMA processes, diagonal MA equation form, final MA equation form, linear regression estimation, modified information criterion
为什么对您有用: 本文属于经济理论（应用因果工作）的次要兴趣方向，直接涉及宏观经济时间序列的建模与因果推断（脉冲响应分析）。您武器库中的非参数统计和因果推断估计理论可用于评估其弱假设下估计量的稳健性，但核心的VARMA识别与阶数选择机制与您的主要兴趣方向（高维、U统计量、效率理论）距离较远。本文作为经济应用领域的入门级读物，清晰展示了VARMA相对于VAR的优势，值得花时间阅读全文以了解宏观经济时间序列分析的实际问题与数据特征。

12. 10.1080/07350015.2021.1888741 — Evidence of Uniform Inefficiency in Market Portfolios Based on Dominance Tests¶

作者: Sofia Anyfantaki, Esfandiar Maasoumi, Jue Ren, Nikolas Topaloglou
期刊/来源: Journal of Business & Economic Statistics
机构: Emory University · Texas Christian University · Athens University of Economics and Business
分类: vol 40 · issue 3 · pp 937-949
相关性 3/10 · novelty: application
摘要: 本文研究市场组合的随机一致无效率（stochastic uniform inefficiency）问题，目标是对给定的投资组合检验其是否被其他组合随机占优。作者推导了随机一致无效率的分析刻画，并构造了基于经验过程的检验统计量，给出了其极限分布。实际推断中采用块自助法（block bootstrap）一致估计p值，检验是渐近精确的。蒙特卡洛实验表明检验在有限样本下表现良好。实证部分对多种广泛持有的主动型基金和策略进行了检验，发现它们相对于常见基准存在一致无效率。该工作属于经济理论中的应用因果/推断方向，对您作为统计研究者而言，本文的检验框架（经验过程+自助法）与您熟悉的高维渐近和非参数统计有技术交集，但核心问题（组合占优检验）并非您的主要兴趣方向。
关键技术: stochastic uniform inefficiency, dominance tests, block bootstrap, empirical process limit distribution
为什么对您有用: 本文属于经济理论中的应用方向，使用统计检验解决组合占优问题。您的武器库中非参数统计和M估计理论可用于理解其检验的渐近性质，但本文的方法学创新（一致无效率的刻画与检验）与您的主要兴趣（因果推断、高维统计）距离较远。作为gateway reading，本文对经济学的组合检验问题提供了清晰的统计框架，但您若想进入该领域，需补充金融计量中的自助法变体知识（moderately_familiar级别）。暂不可做：核心机器（组合占优检验的特定渐近理论）不在您的武器库中。

13. 10.1080/07350015.2021.1931240 — Estimating Monotone Concave Stochastic Production Frontiers¶

作者: Mike G. Tsionas
期刊/来源: Journal of Business & Economic Statistics
机构: Université de Montpellier · Montpellier Business School · Lancaster University
分类: vol 40 · issue 3 · pp 1403-1414
相关性 2/10 · novelty: application
摘要: 本文研究单调凹随机生产前沿的贝叶斯估计问题。作者通过使用全局满足单调性和曲率性质的灵活成本函数，间接估计生产函数的特征，避免了直接指定全局单调凹生产函数的困难。方法的核心是利用成本最小化的一阶条件，并假设相对价格结构以绕过不可观测要素价格的问题。在蒙特卡洛实验和印度水稻种植的实证应用中，新方法表现良好。对您而言，这是一篇经济理论应用论文，展示了如何用贝叶斯方法处理结构模型中的形状约束，可作为进入经济生产函数估计领域的入门读物。
关键技术: Bayesian estimation, cost function, monotonicity and curvature constraints, first-order conditions, stochastic frontier
为什么对您有用: 本文属于经济理论应用方向，可作为gateway reading了解经济生产函数估计中的形状约束问题。武器库中的非参数统计和M估计理论可用于理解其贝叶斯方法的频率性质，但核心机器（贝叶斯计算、成本函数建模）不在武器库中，属于暂不可做。

其他 (other, 4 篇)¶

1. 10.1080/07350015.2021.1906686 · arXiv — Direct Semi-Parametric Estimation of the State Price Density Implied in Option Prices¶

作者: Gianluca Frasso, Paul H.C. Eilers
期刊/来源: Journal of Business & Economic Statistics
分类: vol 40 · issue 3 · pp 1179-1190
相关性 5/10 · novelty: application
摘要: 本文提出一种直接半参数估计状态价格密度（SPD）的方法，SPD 是期权定价中的核心概念，表示未来资产价格的风险中性概率密度。作者将观测到的期权价格视为潜在收益在未知 SPD 下的期望，并通过对数样条（P-splines）对 SPD 进行平滑建模，同时使期望收益与观测价格匹配。该方法属于惩罚复合链接模型（penalized composite link model）的特例，无需对标的资产价格动态做任何参数假设，且满足无套利条件。模拟和真实数据应用均展示了良好的性能。对您而言，本文属于金融计量领域的方法学工作，与您的主要研究兴趣（因果推断、高维统计、半参理论等）无直接交集，但 P-spline 和惩罚似然的技术思路在非参数估计中具有一般性。
关键技术: P-splines, penalized composite link model, state price density, semi-parametric estimation, no-arbitrage constraints
为什么对您有用: 本文属于金融计量学应用，与您的主要兴趣（因果推断、高维统计、半参理论）无直接关联。技术上的 P-spline 和惩罚似然方法虽在非参数估计中常见，但并非您武器库中的核心工具。作为 gateway reading 价值有限，因为金融衍生品定价的统计问题与您的统计计算-复杂度权衡方向距离较远。暂不可做——核心机器（期权定价、风险中性测度）不在武器库中。

2. 10.1080/07350015.2021.1901720 · arXiv — Estimation and Inference for Multi-Kink Quantile Regression¶

作者: Wei Zhong, Chuang Wan, Wenyang Zhang
期刊/来源: Journal of Business & Economic Statistics
机构: Xiamen University · University of York
分类: vol 40 · issue 3 · pp 1123-1139
相关性 5/10 · novelty: new_method
摘要: 本文提出多拐点分位数回归（MKQR）模型，该模型假设阈值协变量定义的不同区域具有不同的线性分位数回归形式，但在拐点处保持连续。研究聚焦于参数估计、拐点检测与统计推断。提出一种迭代分段分位数回归算法，相比网格搜索算法计算效率显著提升，且对初始值选择不敏感。建立了拐点数量选择相合性与回归系数及拐点效应估计量的渐近正态性等理论性质。基于部分次梯度构造了得分检验以验证拐点效应是否存在，并构建了拐点位置的检验-逆推置信区间。模拟与两个实际数据应用（中国第二产业结构、冈比亚女性三头肌皮褶厚度）展示了良好有限样本表现。开发了R包MultiKink。
关键技术: quantile regression, segmented regression, kink point detection, score test based on subgradients, iterative algorithm
为什么对您有用: 本文属于分位数回归与变点检测的交叉领域，与您的主要兴趣（假设检验、非参数/半参数理论）有方法学重叠，但核心模型是参数化的线性分位数形式，而非您更关注的高阶U统计量或因果推断框架。武器库中的非参数统计与M估计理论可用于理解其渐近性质，但问题设定与您的核心方向距离较远，属于中等相关。

3. 10.1080/07350015.2021.1929249 — Realized Quantiles^*¶

作者: Timo Dimitriadis, Roxana Halbleib
期刊/来源: Journal of Business & Economic Statistics
机构: Heidelberg University · University of Freiburg
分类: vol 40 · issue 3 · pp 1346-1361
相关性 3/10 · novelty: application
摘要: 本文提出一种从高频数据直接估计金融日收益率分位数的方法，称为 realized quantile (RQ)。该方法基于对数价格是内在时间下的自相似子过程这一假设，通过随机时间变换捕捉市场交易活动或风险性的真实节奏。自相似性允许将日内分位数按比例缩放得到日度分位数，子过程技术则能容纳波动率持续性和厚尾等典型金融特征。RQ 估计量实现简单，充分利用了高频数据在内在时间维度上的信息。在针对股票和汇率的实证中，RQ 在 VaR 和 ES 预测上优于多种前沿对比模型。本文属于应用方法论文献，方法学 novelty 有限，但实证设计完整。
关键技术: realized quantile, subordinated self-similar processes, intrinsic time, Value at Risk, Expected Shortfall
为什么对您有用: 本文属于金融计量应用，与您的主要兴趣（因果推断、高维统计等）无直接交集。但作为 gateway reading 价值有限：它不涉及您武器库中的非参/半参理论或 U-统计量工具，且方法学 novelty 不高。暂不可做——核心机器（金融高频数据建模、子过程理论）不在您的武器库中，不值得花时间读全文。

4. 10.1080/07350015.2021.1927745 · arXiv — Quasi-Bayesian Inference for Production Frontiers¶

作者: Xiaobin Liu, Thomas Tao Yang, Yichong Zhang
期刊/来源: Journal of Business & Economic Statistics
机构: Zhejiang University · Australian National University · Singapore Management University
分类: vol 40 · issue 3 · pp 1334-1345
相关性 2/10 · novelty: application
摘要: 本文研究生产前沿面的估计与推断问题，目标是在非参数设定下估计生产函数的上界（即生产前沿）。作者提出将多个第一阶段极端分位数估计通过拟贝叶斯方法进行组合，以得到更稳健和高效的最终估计量。核心方法包括使用多个不同的极端分位数估计（如不同分位数水平或不同核函数）作为输入，然后通过拟贝叶斯加权平均得到最终估计。理论部分证明了所提估计量的渐近性质（如相合性和渐近正态性）以及推断程序的有效性（如后验可信区间的覆盖性质）。模拟和实证应用展示了该方法在有限样本下的表现优于单一极端分位数估计。本文属于应用计量经济学中的生产分析领域，与您的主要兴趣方向（因果推断、高维统计、U-统计量等）没有直接的方法学重叠。
关键技术: extreme quantile regression, quasi-Bayesian inference, production frontier estimation, nonparametric frontier
为什么对您有用: 本文属于经济理论（生产分析）的应用工作，但方法学核心是极端分位数估计的拟贝叶斯组合，与您的主要兴趣方向（因果推断、高维统计、U-统计量）没有直接的方法学连接。武器库中的非参数统计和M-估计理论可帮助理解其渐近论证，但本文并未提出可迁移至您核心方向的新技术。作为经济理论方向的gateway阅读，本文对生产前沿面这一特定经济问题有清晰的数据和模型阐述，适合作为了解该领域的入门读物，但方法学价值有限。

Maintained by 陈星宇 · Homepage · Source on GitHub