图书信息

内容简介

对 arXiv econ.EM 分类的年度综述，涵盖 2025 年 9 月至 2026 年 8 月期间发表的研究。本卷基于对 100 篇论文 的细读整理，组织为 32 章，按该领域的研究子方向描绘这一年的全貌。

全书框架（年度产出占比）：

结构政策评估与异质性处理效应 (88.8%) — 本聚类聚焦利用大规模数据、贝叶斯方法与网络模型，估计结构参数、政策影响与异质性处理效应。
因果推断与稳健处理效应估计 (6.8%) — 本方向处理因果推断中的识别与估计挑战，包括边界不连续设计、内生性检验与平均处理效应的去偏估计。
去偏机器学习与广义矩估计 (1.2%) — 本领域发展为去偏机器学习、广义 Riesz 回归与双重机器学习建立理论框架与软件，以处理高维协变量与复杂依赖。
工具变量回归与弱工具推断 (1.2%) — 本子领域处理工具变量模型中的推断，聚焦弱工具、无效工具、非参数设定与稳健检验程序。
金融时间序列预测与系统性风险分析 (0.8%) — 本聚类应用计量经济学与机器学习技术预测金融价格、评估系统性风险，并评估电力与加密货币市场的预测精度。
动态面板数据与时间序列因子模型 (0.8%) — 本方向处理大规模时间序列中的动态面板数据、潜因子与共同趋势建模，包括处理污染与二元依赖的方法。
非参数设定检验与条件推断 (0.2%) — 本细分领域聚焦发展有限样本设定检验、条件预测能力检验，以及从定量估计得出定性结论的框架。