Increasing the power of moment-based tests
提高基于矩条件检验的功效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：摘要核心是通用矩条件检验与协方差估计，Euler 方程仅为用途举例，缺乏具体领域分类依据。
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
提高基于矩条件检验的功效
- 研究问题
- 当 Hansen 检验仅使用部分排除限制时，能否利用其余限制改进协方差估计，从而在保持原假设渐近分布的同时提高功效？
- 方法与思路
- 作者利用被忽略的排除限制构造新的协方差矩阵估计量，使其在模型错误时具有不同概率极限，并据此调整检验。
- 材料陈述的贡献
- 摘要称新检验在原假设下保持既有的大样本分布，并在若干重要例子中使备择下统计量以趋近一的概率更大。
- 阅读关注点
- 应核对哪些限制参与检验与协方差估计、原假设下分布保持的条件，以及统计量增大结果覆盖的备择和模型范围。
- 阅读边界
- 仅依据所给出版社摘要；功效改善有理论例子和模拟支持，但摘要未列出具体条件或数值，不能视为对所有模型均占优。
原文摘要
This paper shows how to increase the power of the Hansen (1982) test for the case where only a subset of the exclusion restrictions is used. The ‘ignored’ exclusion restrictions are used to derive a new estimator for the covariance matrix, which has a different probability limit than the usual one when the model is false. If the null hypothesis is true, then the proposed test has the same distribution as the existing ones in large samples. If the hypothesis is false, then the proposed test statistic is larger with probability approaching one as the sample size increases in several important examples. Simulations show that the improvement can be substantial. As the Hansen (1982) test is very popular in empirical work, including testing the validity of Euler equations, we expect the current results to be useful as well.