BIAS CORRECTIONS IN TESTING AND ESTIMATING SEMIPARAMETRIC, SINGLE INDEX MODELS
半参数单指标模型估计与检验的偏差校正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：摘要研究一般半参数单指标估计与设定检验，未限定离散选择、因果目标或其他具体领域，因此保留空分类。
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
半参数单指标模型估计与检验的偏差校正
- 研究问题
- 如何在使用常规核函数时控制半参数估计偏差并建立渐近正态性，同时检验估计一致性所依赖的单指标假设？
- 方法与思路
- 作者为估计与单指标设定检验设计偏差控制机制，并让检验形式适应备择模型，通过 Monte Carlo 评估有限样本表现。
- 材料陈述的贡献
- 摘要称偏差控制使常规核下的渐近正态性得以建立，模拟支持偏差控制与自适应设计改善检验的有限样本表现。
- 阅读关注点
- 应核对偏差控制的具体步骤、核与带宽要求、单指标假设的检验对象，以及自适应备择设计和模拟比较基准。
- 阅读边界
- 所给 Crossref 摘要未说明校正公式、备择范围或改进数值；不能据此认定所有单指标估计与检验均受益或推断版本变化。
原文摘要
Semiparametric methods are widely employed in applied work where the ability to conduct inferences is important. To establish asymptotic normality for making inferences, bias control mechanisms are often used in implementing semiparametric estimators. The first contribution of this paper is to propose a mechanism that enables us to establish asymptotic normality with regular kernels. In so doing, we argue that the resulting estimator performs very well in finite samples. Semiparametric models are commonly estimated under a single index assumption. Because the consistency of the estimator critically depends on this assumption being correct, our second objective is to develop a test for it. To ensure that the test statistic has good size and power properties in finite samples, we employ a bias control mechanism similar to that underlying the estimator. Furthermore, we structure the test so that its form adapts to the model under the alternative hypothesis. Monte Carlo results confirm that the bias control and the adaptive feature significantly improve the performance of the test statistic in finite samples.