GMM with Weak Identification
弱识别下的广义矩估计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：摘要将弱识别 GMM 理论用于消费资本资产定价模型（CCAPM）的欧拉方程与实证检验，直接涉及资产定价。
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
弱识别下的广义矩估计
- 研究问题
- 当 GMM 参数部分或全部弱识别时，常规估计、检验与置信集合会怎样失效，又如何开展对弱识别稳健的统计推断？
- 方法与思路
- 作者建立弱识别下 GMM 估计量和检验统计量的渐近分布理论，并讨论线性工具变量回归及 CCAPM 欧拉方程两个特例。
- 材料陈述的贡献
- 摘要称该理论解释了 CCAPM 中常规 GMM 程序的失效，提出对弱识别稳健的置信集合，并得到不同于常规方法的实证结论。
- 阅读关注点
- 核对弱识别的渐近设定、置信集合的构造及有效性条件，以及不同 CCAPM 规格的实证结论为何随推断方法而变化。
- 阅读边界
- 摘要未交代弱识别的具体参数化、置信集合的有限样本覆盖率，以及各 CCAPM 规格下实证结论的详细差异。
原文摘要
This paper develops asymptotic distribution theory for GMM estimators and test statistics when some or all of the parameters are weakly identified. General results are obtained and are specialized to two important cases: linear instrumental variables regression and Euler equations estimation of the CCAPM. Numerical results for the CCAPM demonstrate that weak-identification asymptotics explains the breakdown of conventional GMM procedures documented in previous Monte Carlo studies. Confidence sets immune to weak identification are proposed. We use these results to inform an empirical investigation of various CCAPM specifications; the substantive conclusions reached differ from those obtained using conventional methods.