跳到正文
← 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。

本页为预印本版本;arXiv 收录、作者填写的期刊信息以及作者既有发表经历,都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对,只展示已核实例,档案仍可能误合并。

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:摘要研究通用条件矩与工具变量估计,未明确对应处理效应或给定列表中的具体应用方向。

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…

关注这篇论文的作者

无需排除型工具变量的可行工具变量回归

研究问题
在内生协变量与外生协变量存在非线性条件均值依赖时,如何无需排除型工具变量进行估计,并缓解多工具下的识别弱化?
方法与思路
作者提出计算较快的线性积分条件矩估计量及相关性条件检验,通过模拟考察多工具下的检验尺寸,并给出无排除工具的实证示例。
材料陈述的贡献
摘要称新估计量更能保留多工具下的识别强度,模拟中尺寸控制明显改善;实证估计在不使用排除型工具时仍被作者认为合理。
阅读关注点
应核对条件矩限制、非线性均值依赖与识别的关系,以及相关性检验的有效条件,并检查多工具模拟和实证合理性的判断依据。
阅读边界
这是 arXiv 预印本,同行评审及期刊接收未获核验;无需排除型工具仍需其他模型限制,摘要未完整说明这些条件或实证有效性。

原文摘要

The relevance condition of Integrated Conditional Moment (ICM) estimators is significantly weaker than the conventional IV's in at least two respects: (1) consistent estimation without excluded instruments is possible, provided endogenous covariates are non-linearly mean-dependent on exogenous covariates, and (2) endogenous covariates may be uncorrelated with but mean-dependent on instruments. These remarkable properties notwithstanding, multiplicative-kernel ICM estimators suffer diminished identification strength, large bias, and severe size distortions even for a moderately sized instrument vector. This paper proposes a computationally fast linear ICM estimator that better preserves identification strength in the presence of multiple instruments and a test of the ICM relevance condition. Monte Carlo simulations demonstrate a considerably better size control in the presence of multiple instruments and a favourably competitive performance in general. An empirical example illustrates the practical usefulness of the estimator, where estimates remain plausible when no excluded instrument is used.

笔记与分组
相关领域论文