Asymptotic refinements of a misspecification-robust bootstrap for generalized method of moments estimators
GMM 估计中误设稳健自助法的渐近精化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 GMM 自助推断理论，示例不足以确定某个领域细分。
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
GMM 估计中误设稳健自助法的渐近精化
- 研究问题
- 模型矩条件误设时，如何为 GMM 估计量的 t 检验和置信区间构造具有渐近精化的自助法，并避免对矩函数重新中心化？
- 方法与思路
- 作者提出非参数独立同分布自助法，将自助样本中误设的矩条件与误设下 GMM 的大样本理论联系，并以数据合并和无效工具变量为例。
- 材料陈述的贡献
- 摘要称，该方法无需重新中心化，且无论模型是否误设，都能达到正确设定下传统中心化自助法所取得的相同精化阶。
- 阅读关注点
- 应核对误设下推断的目标参数、稳健标准误和学生化方式，以及独立同分布、光滑性等要求与渐近精化阶的具体论证。
- 阅读边界
- 仅据所给出版社摘要，无法判断依赖数据或弱识别情形是否适用；对无效工具变量的稳健推断，也不等于恢复其原有因果识别。
原文摘要
I propose a nonparametric iid bootstrap that achieves asymptotic refinements for t tests and confidence intervals based on GMM estimators even when the model is misspecified. In addition, my bootstrap does not require recentering the moment function, which has been considered as critical for GMM. Regardless of model misspecification, the proposed bootstrap achieves the same sharp magnitude of refinements as the conventional bootstrap methods which establish asymptotic refinements by recentering in the absence of misspecification. The key idea is to link the misspecified bootstrap moment condition to the large sample theory of GMM under misspecification of Hall and Inoue (2003). Two examples are provided: combining data sets and invalid instrumental variables.