本项目在高维删失回归估计领域获得了重要进展。基于微观调查数据的经济学研究常出现删失因变量与高维自变量并存的情形。对于这种数据类型，目前计量经济学文献尚缺乏既在理论上可靠又在计算上可行的分析方法。研究团队提出高维删失回归模型的成对差分LASSO估计。理论方面，证明了估计量的变量选择一致性以及估计一致性；计算方面，利用ADMM机器学习方法给出了估计量的一种快速算法，计算速度显著优于CVX凸优化求解以及线性规划内点法求解。

研究成果：Zhewen Pan, Jianhui Xie. L1-penalized Pairwise Difference Estimation for a High-dimensional Censored Regression Model, Journal of Business & Economic Statistics, 2023, 41(2): 283-297. (SCIE/SSCI Q1, IF=2.9; ABS 4星)