Tests with correct size when instruments can be arbitrarily weak
工具变量任意弱时仍具有正确大小的检验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：摘要是通用联立方程弱工具变量检验理论，未明确对应所列具体应用领域。
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
工具变量任意弱时仍具有正确大小的检验
- 研究问题
- 在工具变量可能任意弱的联立方程模型中，如何对结构参数或参数子集构造大小正确、并具有可评估功效的检验？
- 方法与思路
- 作者在正态误差且约化式方差矩阵已知的设定中运用指数族理论，分别刻画有限信息与完全信息下的相似检验。
- 材料陈述的贡献
- 摘要称其给出相似检验类别与无偏检验功效上界，恰好识别时若干检验最优，强识别过度识别时条件似然比接近功效包络。
- 阅读关注点
- 应核对已知方差与正态性的重要性、最优性对应的检验类别，以及有限信息和完全信息结论各自适用的参数维度。
- 阅读边界
- 仅据所给出版社摘要；结论建立在明确分布假设下，摘要未说明未知方差、非正态或异方差情形能否保持相同性质。
原文摘要
This paper applies classical exponential-family statistical theory to develop a unifying framework for testing structural parameters in the simultaneous equations model under the assumption of normal errors with known reduced-form variance matrix. The results can be divided into the limited-information and full-information categories. In the limited-information model, it is possible to characterize the entire class of similar tests in a model with only one endogenous explanatory variable. In the full-information framework, this paper proposes a family of similar tests for subsets of endogenous variables' coefficients. For both limited- and full-information models, there exist power upper bounds for unbiased tests. When the model is just-identified, the Anderson-Rubin, score, and (pseudo) conditional likelihood ratio tests are optimal. When the model is over-identified, the (pseudo) conditional likelihood ratio test has power close to the power envelope when identification is strong.