Asymptotic theory and econometric practice
渐近理论与计量实践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：摘要研究模型维数随样本量增长的一般渐近问题，工资方程仅为元分析对象，未明确涉及所给领域细分。
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
渐近理论与计量实践
- 研究问题
- 计量建模中模型维数是否真的随样本增大保持固定，还是会共同增长，从而影响常规渐近置信区域和检验的适用性？
- 方法与思路
- 作者对横截面工资方程文献估计若干元模型，研究维数与样本量的关系，并简要综述允许模型维数增长的大维数渐近理论。
- 材料陈述的贡献
- 摘要称，所考察工资方程文献中的维数大致按样本量的四分之一次方增长，固定维数假说被拒绝，并据此讨论推断有效性。
- 阅读关注点
- 应核对文献样本的选取、维数定义、元模型设定及增长率证据，并区分大维数理论的现有结论与尚待发展的修正方法。
- 阅读边界
- 仅据所给 Crossref 版本摘要，增长关系不能推广至所有计量研究；常规检验的修正因子被表述为未来可能成果，并非已交付方法。
原文摘要
Abstract The classical paradigm of asymptotic theory employed in econometrics presumes that model dimensionality, p , is fixed as sample size, n , tends to inifinity. Is this a plausible meta‐model of econometric model building? To investigate this question empirically, several meta‐models of cross‐ sectional wage equation models are estimated and it is concluded that in the wage‐equation literature at least that p increases with n roughly like n l/4 , while that hypothesis of fixed model dimensionality of the classical asymptotic paradigm is decisively rejected. The recent theoretical literature on ‘large‐ p ’ asymptotics is then very briefly surveyed, and it is argued that a new paradigm for asymptotic theory has already emerged which explicitly permits p to grow with n. These results offer some guidance to econometric model builders in assessing the validity of standard asymptotic confidence regions and test statistics, and may eventually yield useful correction factors to conventional test procedures when p is non‐negligible relative to n .