Small-Sample Properties of GMM for Business-Cycle Analysis
用于经济周期分析的 GMM 小样本性质AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究经济周期中的滤波后二阶矩与模型拟合统计量，明确涉及一阶差分和 HP 滤波，对应宏观时间序列分析。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
用于经济周期分析的 GMM 小样本性质
- 研究问题
- 在经济周期分析中，GMM 对滤波后二阶矩和模型拟合统计量的推断是否可靠，渐近理论能否反映常见样本规模下的表现？
- 方法与思路
- 作者通过蒙特卡洛模拟研究 GMM 的有限样本性质，考察一阶差分与 Hodrick–Prescott 滤波后的二阶矩及模型拟合统计量。
- 材料陈述的贡献
- 摘要称，在相当于美国战后季度数据规模的样本中，既有渐近理论不能很好指导所考察 GMM 程序的有限样本推断。
- 阅读关注点
- 阅读时应核对数据生成过程、滤波方法与样本长度，并查看哪些统计量和推断程序出现渐近近似失准及其具体程度。
- 阅读边界
- 摘要未说明模拟模型、样本量和误差幅度；结论限于所考察的程序与样本尺度，不能据此否定 GMM 或渐近理论的一般用途。
原文摘要
We investigate, by Monte Carlo methods, the finite-sample properties of generalized method of moment procedures for conducting inference about statistics that are of interest in the business-cycle literature. These statistics include the second moments of data filtered using the first-difference and Hodrick–Prescott filters, and they include statistics for evaluating model fit. Our results indicate that, for the procedures considered, the existing asymptotic theory is not a good guide in a sample the size of quarterly postwar U.S. data.