Efficiency bounds for moment condition models with mixed identification strength
混合识别强度矩条件模型的效率界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：摘要研究一般矩条件模型的识别强度和效率理论，没有明确限定于所列微观、宏观或金融应用方向，因此不作领域细分。
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…
混合识别强度矩条件模型的效率界
- 研究问题
- 当矩条件逐渐衰减、不同参数方向具有不同识别强度时，规则估计量的渐近效率界是什么，两步 GMM 能否达到该界？
- 方法与思路
- 作者在矩函数可于参数空间上一致趋零的模型中，推导规则估计量的半参数效率界，并分析 GMM 的规则性与渐近极小极大效率。
- 材料陈述的贡献
- 摘要称，以矩函数方差的逆为权重的两步 GMM 达到规则估计量的最小渐近方差，并对一大类损失函数具有渐近极小极大效率。
- 阅读关注点
- 应核对矩条件衰减速度、各参数方向的归一化方式、规则估计量的定义，以及效率界和极小极大结论所需的具体条件。
- 阅读边界
- 仅据所给 OpenAlex 摘要；衰减速度限制、损失函数范围及模拟设置均未说明，不能将效率结论扩展到任意弱识别模型或其他版本。
原文摘要
Moment condition models with mixed identification strength are models that are point identified but with estimating moment functions that are allowed to drift to 0 uniformly over the parameter space. Even though identification fails in the limit, depending on how slow the moment functions vanish, consistent estimation is possible. Existing estimators such as the generalized method of moment (GMM) estimator exhibit a pattern of nonstandard or even heterogeneous rate of convergence that materializes by some parameter directions being estimated at a slower rate than others. This paper derives asymptotic semiparametric efficiency bounds for regular estimators of parameters of these models. We show that GMM estimators are regular and that the so-called two-step GMM estimator – using the inverse of estimating function’s variance as weighting matrix – is semiparametrically efficient as it reaches the minimum variance attainable by regular estimators. This estimator is also asymptotically minimax efficient with respect to a large family of loss functions. Monte Carlo simulations are provided that confirm these results.