Noisy, Non-Smooth, Non-Convex Estimation of Moment Condition Models
含噪声、非光滑与非凸矩条件模型的估计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。
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：摘要明确以结构估计中矩条件模型的数值优化为研究动机和应用对象。
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
含噪声、非光滑与非凸矩条件模型的估计
- 研究问题
- 结构估计的样本目标函数存在噪声、非光滑或非凸特征时，如何避免穷尽搜索而获得足够准确的参数解，并同时分析统计误差？
- 方法与思路
- 作者在一种新的 Gauss–Newton 算法每轮迭代中加入网格搜索步骤，以有限样本分析联合研究优化和统计性质，并提供模拟及应用。
- 材料陈述的贡献
- 摘要称算法经过有限次迭代后可由全局收敛阶段自动转入快速局部收敛阶段，并以高概率产生准确估计。
- 阅读关注点
- 应核对网格搜索的覆盖方式、非光滑目标下迭代的定义，以及全局和局部收敛保证、误差界、停止规则与计算成本。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。摘要未列出所需计量假设、概率界或应用细节，不能认定任意非凸目标均可求解。
原文摘要
A practical challenge for structural estimation is the requirement to accurately minimize a sample objective function which is often non-smooth, non-convex, or both. This paper proposes a simple algorithm designed to find accurate solutions without performing an exhaustive search. It augments each iteration from a new Gauss-Newton algorithm with a grid search step. A finite sample analysis derives its optimization and statistical properties simultaneously using only econometric assumptions. After a finite number of iterations, the algorithm automatically transitions from global to fast local convergence, producing accurate estimates with high probability. Simulated examples and an empirical application illustrate the results.