Asymptotic refinements of a misspecification-robust bootstrap for GEL estimators
GEL 估计量的模型误设稳健自助法与高阶渐近改进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：摘要明确在动态面板数据设置中开展模拟，但其 GEL 自助法理论本身具有更一般的适用范围。
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
GEL 估计量的模型误设稳健自助法与高阶渐近改进
- 研究问题
- 经验似然等广义经验似然估计量的检验与区间推断，能否通过自助法获得高阶渐近改进，并同时容许矩条件模型误设？
- 方法与思路
- 作者为三类 GEL 估计量提出非参数独立同分布自助法，分析 t 与 Wald 推断，并用动态面板模拟和教育回报应用考察。
- 材料陈述的贡献
- 摘要称在矩条件正确或误设时均能实现渐近改进，动态面板模拟支持理论，教育回报区间应用提示回报可能更高。
- 阅读关注点
- 应核对误设下估计目标与学生化方式、高阶改进所需条件，以及动态面板模拟如何满足独立同分布重抽样要求。
- 阅读边界
- 仅据所给出版社摘要，无法判断改进阶数、完整抽样结构或区间变化；教育回报可能更高不等于已确认因果回报上升。
原文摘要
I propose a nonparametric iid bootstrap procedure for the empirical likelihood, the exponential tilting, and the exponentially tilted empirical likelihood estimators that achieves asymptotic refinements for t tests and confidence intervals, and Wald tests and confidence regions based on such estimators. Furthermore, the proposed bootstrap is robust to model misspecification, i.e., it achieves asymptotic refinements regardless of whether the assumed moment condition model is correctly specified or not. This result is new, because asymptotic refinements of the bootstrap based on these estimators have not been established in the literature even under correct model specification. Monte Carlo experiments are conducted in dynamic panel data setting to support the theoretical finding. As an application, bootstrap confidence intervals for the returns to schooling of Hellerstein and Imbens (1999) are calculated. The result suggests that the returns to schooling may be higher.