RANK TESTS FOR INSTRUMENTAL VARIABLES REGRESSION WITH WEAK INSTRUMENTS
弱工具变量回归中的秩检验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：摘要研究通用工具变量回归的检验功效，未明确因果识别、结构模型或其他所列领域的具体应用。
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
弱工具变量回归中的秩检验
- 研究问题
- 在工具变量可能较弱的回归中，能否构造在高斯误差下接近最优功效、并在非高斯误差下改善既有检验功效的程序？
- 方法与思路
- 作者引入类似条件似然比检验的秩检验，并另行提出类似拉格朗日乘子检验的秩检验，用于弱或强工具变量情形。
- 材料陈述的贡献
- 摘要称所构造检验在高斯误差下具有近最优渐近功效，并相对既有检验改善非高斯误差情形的功效表现。
- 阅读关注点
- 应核对秩统计量与条件化方法、弱工具变量的渐近设定，以及近最优性和非高斯功效改善分别依赖哪些条件。
- 阅读边界
- 仅依据所给OpenAlex摘要；误差分布限制、具体检验公式和数值未说明，不能认定其对所有非高斯分布都占优。
原文摘要
This paper considers tests in an instrumental variable (IVs) regression model with IVs that may be weak. Tests that have near-optimal asymptotic power properties with Gaussian errors for weak and strong IVs have been determined in Andrews, Moreira, and Stock (2006, Econometrica 74, 715–752). In this paper, we seek tests that have near-optimal asymptotic power with Gaussian errors and improved power with non-Gaussian errors relative to existing tests. Tests with such properties are obtained by introducing rank tests that are analogous to the conditional likelihood ratio test of Moreira (2003, Econometrica 71, 1027–1048). We also introduce a rank test that is analogous to the Lagrange multiplier test of Kleibergen (2002, Econometrica 70, 1781–1803) and Moreira (2001, manuscript, University of California, Berkeley).Andrews gratefully acknowledges the research support of the National Science Foundation via grant SES-0417911.