A Survey of Weak Instruments and Weak Identification in Generalized Method of Moments
广义矩方法中的弱工具变量与弱识别综述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：摘要围绕 IV 和 GMM 的一般识别与推断问题，未指定因果设计或其他所列具体应用领域，因此不强行归入领域细分。
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…
广义矩方法中的弱工具变量与弱识别综述
- 研究问题
- 当工具变量与内生变量相关性较弱，或 GMM 参数识别较弱时，常规推断为何会失效，应如何检测并处理这类问题？
- 方法与思路
- 作者综述线性 IV 中的弱工具变量及一般 GMM 中的弱识别，说明弱识别带来的非正态统计分布，并概述检测和处理问题的现有程序。
- 材料陈述的贡献
- 摘要指出，弱识别可使 IV 或 GMM 的常规大样本推断产生误导，并称线性 IV 已有多种应对程序，非线性 GMM 的相关程序较少。
- 阅读关注点
- 阅读时应核对弱识别的形式化定义、非标准分布出现的条件，以及检测程序与推断程序分别适用哪些模型和识别强度。
- 阅读边界
- 摘要未列出具体诊断指标、临界值、检验或区间构造，也未比较程序表现；不能据此将线性 IV 的处理结果推广到全部非线性 GMM。
原文摘要
Weak instruments arise when the instruments in linear instrumental variables (IV) regression are weakly correlated with the included endogenous variables. In generalized method of moments (GMM), more generally, weak instruments correspond to weak identification of some or all of the unknown parameters. Weak identification leads to GMM statistics with nonnormal distributions, even in large samples, so that conventional IV or GMM inferences are misleading. Fortunately, various procedures are now available for detecting and handling weak instruments in the linear IV model and, to a lesser degree, in nonlinear GMM.