A Ridge-Regularised Jackknifed Anderson-Rubin Test
岭正则化的刀切 Anderson–Rubin 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。
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：摘要研究弱工具变量回归中的检验，并以移民与本土劳动者替代弹性为应用，直接关联工具变量因果推断。
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…
岭正则化的刀切 Anderson–Rubin 检验
- 研究问题
- 当工具变量很多、甚至多于观测数，且工具可能任意弱时，如何在存在异方差的工具变量回归中进行有效假设检验？
- 方法与思路
- 作者提出对刀切 Anderson–Rubin 检验进行岭正则化，研究其渐近尺寸控制，并通过蒙特卡洛模拟及移民与本土劳动者替代弹性应用展示方法。
- 材料陈述的贡献
- 摘要称该检验在异方差和任意弱工具下控制渐近尺寸，所需假设较相关刀切检验更弱，并允许工具数超过样本量；模拟表现有利。
- 阅读关注点
- 应核对岭参数的选择、工具数量增长与设计矩阵的限制，以及所谓更弱假设的具体比较；同时检查模拟中的尺寸、功效与应用设定。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明具体正则条件、调参规则或模拟数值，不能推断普遍优势。
原文摘要
We consider hypothesis testing in instrumental variable regression models with few included exogenous covariates but many instruments -- possibly more than the number of observations. We show that a ridge-regularised version of the jackknifed Anderson Rubin (1949, henceforth AR) test controls asymptotic size in the presence of heteroskedasticity, and when the instruments may be arbitrarily weak. Asymptotic size control is established under weaker assumptions than those imposed for recently proposed jackknifed AR tests in the literature. Furthermore, ridge-regularisation extends the scope of jackknifed AR tests to situations in which there are more instruments than observations. Monte-Carlo simulations indicate that our method has favourable finite-sample size and power properties compared to recently proposed alternative approaches in the literature. An empirical application on the elasticity of substitution between immigrants and natives in the US illustrates the usefulness of the proposed method for practitioners.