Efficient estimation in models with independence restrictions
独立性限制模型中的有效估计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：摘要研究通用独立性限制下的效率理论，回归示例未明确对应所列领域中的特定研究方向。
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
独立性限制模型中的有效估计
- 研究问题
- 当无条件或条件独立性限制用于识别有限维参数时，如何确定半参数效率界，并构造达到该界的可实施估计量？
- 方法与思路
- 作者计算独立性限制下的效率界，以数量不断增加的零协方差条件逼近独立性限制，并据此构造一致且渐近正态的估计量。
- 材料陈述的贡献
- 摘要称，所提估计量达到效率界；论文以工具变量和部分线性回归示例说明结果，并通过小型蒙特卡洛研究有限样本性质与效率增益。
- 阅读关注点
- 核对零协方差条件与独立性渐近等价的依据、条件数量的增长速度，以及效率界推导和工具变量、部分线性示例的具体要求。
- 阅读边界
- 仅据所给出版社摘要，无法确定效率结论的正则条件、矩条件选择或增益幅度；达到渐近效率界不保证所有有限样本中误差最小。
原文摘要
Unconditional and conditional independence restrictions are used in many econometric models to identify their parameters. However, there are few results about efficient estimation procedures for finite-dimensional parameters under these independence restrictions. This paper computes the efficiency bound for finite-dimensional parameters under independence restrictions, and proposes an estimator that is consistent, asymptotically normal and which achieves the efficiency bound. The estimator is based on a growing number of zero-covariance conditions that are asymptotically equivalent to the independence restriction. The results are illustrated with examples, including an instrumental variables regression model and partially linear regression models. A small Monte Carlo study is performed to investigate the estimator’s small sample properties and to quantify the efficiency gains that can be made by using the proposed efficient estimator.