近日，由经济学院统计学与数据科学系统计学专业2019级博士生武亚倩与香港中文大学范青亮助理教授合作的题为 “Endogenous Treatment Effect Estimation with a Large and Mixed Set of Instruments and Control Variables ”的论文于国际权威期刊The Review of Economics and Statistics在线发表。该期刊是学界公认的经济学与统计学国际权威期刊，也是我院认定的经济学与统计学国际A期刊（国际一类）。
工具变量（IV）的识别是内生性问题研究中的一大难题。研究者通常面临大量混合的变量，其中一些是工具变量，一些是控制变量，而另一些则是应从模型中舍弃的噪音变量。已有研究大多假设给定变量的分类已知，然而，在实际情况下，仅根据经济理论，研究者往往无法对这些变量进行准确识别。本文提出了一种数据驱动的方法，将大量变量（变量个数随样本量增加而增加）划分为工具变量、控制变量和噪音变量，并利用选出的工具变量和控制变量对内生处理效应进行估计。该文证明了变量选择的相合性和估计量的渐近性质。同时蒙特卡洛模拟和实证研究表明了该文方法在有限样本下的优异表现。
武亚倩，厦门大学经济学院统计学与数据科学系统计学专业2019级博士生，目前已在Review of Economics and Statistics期刊发表论文。
（WISE 许有淑）
