Model selection tests for moment inequality models
矩不等式模型的模型选择检验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：摘要研究一般矩不等式模型的比较检验，仅给出缺失数据模拟示例，未明确具体领域或结构模型。
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
矩不等式模型的模型选择检验
- 研究问题
- 研究两个可能缺乏点识别的矩不等式模型之间，如何依据其与真实数据分布的 Kullback–Leibler 距离进行选择。
- 方法与思路
- 作者分别针对不重叠与重叠候选模型构造 Vuong 型检验，分析统一渐近尺寸以及固定和局部备择下的一致性。
- 材料陈述的贡献
- 摘要称两类检验在可能缺乏点识别时仍具有统一正确渐近尺寸，并可一致检测按接近 n−1/2 速率收敛的局部备择。
- 阅读关注点
- 应核对矩不等式模型的距离如何定义、重叠情形如何划分，以及统一尺寸和局部一致性依赖的条件与实施步骤。
- 阅读边界
- 摘要未给出完整条件、统计量公式或模拟数值；相对分布距离的模型选择不能证明获选模型真实，也不能消除部分识别。
原文摘要
We propose Vuong-type tests to select between two moment inequality models based on their Kullback–Leibler distances to the true data distribution. The candidate models can be either non-overlapping or overlapping. For each case, we develop a testing procedure that has correct asymptotic size in a uniform sense despite the potential lack of point identification. We show both procedures are consistent against fixed alternatives and local alternatives converging to the null at rates arbitrarily close to n−1/2. We demonstrate the finite-sample performance of the tests with Monte Carlo simulation of a missing data example. The tests are relatively easy to implement.