EMPIRICAL LIKELIHOOD ESTIMATION OF CONDITIONAL MOMENT RESTRICTION MODELS WITH UNKNOWN FUNCTIONS
含未知函数的条件矩限制模型的经验似然估计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：摘要研究通用半参数条件矩估计，内生性示例本身不足以确认因果推断或经济结构估计等具体细分方向。
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
含未知函数的条件矩限制模型的经验似然估计
- 研究问题
- 条件矩限制模型包含未知函数时，如何联合估计有限维参数与函数，并为参数分量建立渐近正态性和效率结论？
- 方法与思路
- 作者结合条件经验似然与筛法，提出筛条件经验似然估计量，并以含非参数内生性及异方差的部分线性回归说明方法。
- 材料陈述的贡献
- 摘要称给出整体参数的一致性与收敛速度，并建立参数分量的渐近正态性和效率；示例展示其半参数模型适用性。
- 阅读关注点
- 应核对筛空间及维数选择、条件矩如何识别未知函数，以及整体收敛速度与参数分量效率之间所需的条件。
- 阅读边界
- 仅据所给 Crossref 摘要，识别、平滑性与筛逼近条件均未说明；不能判断实际实施难度、有限样本表现或其他版本变化。
原文摘要
This paper proposes an empirical likelihood-based estimation method for conditional moment restriction models with unknown functions, which include several semiparametric models. Our estimator is called the sieve conditional empirical likelihood (SCEL) estimator, which is based on the methods of conditional empirical likelihood and sieves. We derive (i) the consistency and a convergence rate of the SCEL estimator for the whole parameter, and (ii) the asymptotic normality and efficiency of the SCEL estimator for the parametric component. As an illustrating example, we consider a partially linear regression model with nonparametric endogeneity and heteroskedasticity.