GENERAL SPECIFICATION TESTING WITH LOCALLY MISSPECIFIED MODELS
局部错设模型下的一般设定检验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：摘要讨论一般似然、GMM 及估计函数的设定检验，未限定经济模型或数据结构，无法可靠映射到所列细分方向。
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…
局部错设模型下的一般设定检验
- 研究问题
- 当备择模型未正确对应数据生成过程时，如何理解得分及 GMM 检验的过度拒绝，并构造对局部错设稳健的检验？
- 方法与思路
- 作者将得分检验的错设问题及其局部稳健修正推广至 GMM 检验，再建立覆盖似然与 GMM 的一般估计和检验函数框架。
- 材料陈述的贡献
- 摘要称推广了错设备择导致过度拒绝的结论，并扩展局部错设稳健检验的构造，使其适用于更一般的估计与检验函数。
- 阅读关注点
- 应核对局部错设的定义与收敛尺度、修正所需的信息，以及一般框架如何涵盖似然和 GMM、如何影响检验功效。
- 阅读边界
- 仅据所给 Crossref 摘要，修正公式、成立条件与有限样本效果均未说明；局部稳健性不能直接外推为任意错设下稳健。
原文摘要
A well known result is that many of the tests used in econometrics, such as the Rao score (RS) test, may not be robust to misspecified alternatives, that is, when the alternative model does not correspond to the underlying data generating process. Under this scenario, these tests spuriously reject the null hypothesis too often. We generalize this result to generalized method of moments–based (GMM-based) tests. We also extend the method proposed in Bera and Yoon (1993, Econometric Theory 9, 649–658) for constructing RS tests that are robust to local misspecification to GMM-based tests. Finally, a further generalization for general estimating and testing functions is developed. This framework encompasses both likelihood and GMM-based results.