合作者：洪聖傑，蘇良軍，江濤

論文簡介：本文把機器學習的新興方法核範數正則化(nuclear norm regularization)與經典廣義矩法 (GMM)深度融合，提出了對于存在内生性解釋變量和交互固定效應的面闆模型的估計方法。該研究的主要貢獻在于：一、在交互固定效應存在的同時允許解釋變量具有内生性（在此之前的關于交互固定效應模型的理論方法都要求解釋變量是外生的），大幅拓展了交互固定效應面闆數據模型在實證研究中的應用範圍；二、核範數正則化的機器學習方法與廣義矩法估計的深度融合，使得此項研究提出的新估計方法在算法表現上更穩健和省時，并且不依賴一些常見的為保障初始估計一緻性所做的技術性假設（這些假設常見于當前主流的單純基于主成分分析的交互固定效應模闆估計方法中)；三、該研究為使用微觀數據估計國際貿易中的一個重要參數，進口需求的價格彈性，提供了重要的計量框架。

作者介紹：洪聖傑，bevictor伟德官网長聘副教授。研究課題涉及高維數據模型、機器學習方法、結構性分析和中國經濟等方向。2012年在美國威斯康辛大學麥迪遜分校獲得經濟學博士學位。2012年9月至2021年7月在清華大學經濟管理學院任助理教授。學術研究發表在Journal of Econometrics，Journal of Comparative Economics,《管理世界》、《金融研究》和《中國工業經濟》等國際國内高質量學術期刊。

更多精彩内容請查看原文：

https://doi.org/10.1016/j.jeconom.2022.07.010