Valid Wald Inference with Many Weak Instruments
多弱工具变量下的有效 Wald 推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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检验理论，未明确处理效应目标或其他所列细分应用。
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
多弱工具变量下的有效 Wald 推断
- 研究问题
- 工具变量数量较多且相关性较弱时，如何构造有效的 Wald 类检验，并利用 JIVE 统计量的渐近分布设计更有力的单侧程序？
- 方法与思路
- 摘要称 JIVE 的 t 统计量与恰好识别情形的 TSLS t 统计量具有相同渐近分布，据此移植 VtF 和条件 Wald，并构造第三种单侧检验。
- 材料陈述的贡献
- 作者提出三种面向多弱工具变量环境的检验程序，并称第三种利用该环境特征的单侧 VtF 类程序具有更高功效。
- 阅读关注点
- 应核对多弱工具变量渐近框架、统计量分布等价所需条件，以及三种程序的临界值、有效性范围和单侧功效比较对象。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未核验；摘要未列出误差结构、增长率或功效结果，不能把渐近有效等同于有限样本准确。
原文摘要
This paper proposes three novel test procedures that yield valid inference in an environment with many weak instrumental variables (MWIV). It is observed that the t statistic of the jackknife instrumental variable estimator (JIVE) has an asymptotic distribution that is identical to the two-stage-least squares (TSLS) t statistic in the just-identified environment. Consequently, test procedures that were valid for TSLS t are also valid for the JIVE t. Two such procedures, i.e., VtF and conditional Wald, are adapted directly. By exploiting a feature of MWIV environments, a third, more powerful, one-sided VtF-based test procedure can be obtained.