Design-Based Inference for Time-Series GMM
时间序列 GMM 的设计型推断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：摘要直接研究时间序列 GMM 的长期方差与 HAC 推断，并包含货币政策应用，支持归入宏观时间序列计量方向。
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
时间序列 GMM 的设计型推断
- 研究问题
- 若时间序列 GMM 的不确定性来自既定历史环境中的冲击分配，常规 HAC 推断如何区别于针对有限历史参数的设计型推断？
- 方法与思路
- 作者条件于已实现历史环境，考虑冲击和工具变量的替代实现，分解设计长期方差与均值矩路径方差，并研究预定协变量投影调整。
- 材料陈述的贡献
- 摘要称，局部正确设定下 HAC 对有限历史参数的标量函数具有保守性；附加长期正交条件下，投影调整可得到更紧的保守界。
- 阅读关注点
- 应核对有限历史估计对象、冲击分配机制、局部正确设定及长期正交条件，并辨明方差下降对应的参数和保守性结论。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要的保守性结论具有对象和条件限制，未提供一般模型下的完整证明。
原文摘要
This paper studies inference for time-series GMM when uncertainty comes from shock assignment within a realized historical episode. Rather than treating the data as one random draw from a population of hypothetical economies, the framework conditions on the historical environment and considers alternative realizations of shocks and instruments. For locally correctly specified GMM estimators, the centered moment has design long-run variance $Ω_R$, which determines the sandwich covariance for the finite-history estimand. Conventional HAC estimators instead converge to $Ω_R^+=Ω_R+Ω_μ$, where $Ω_μ\succeq0$ is the long-run variance of the centered mean-moment path. HAC inference is therefore conservative for scalar functions of the finite-history estimand. Projection adjustment using predetermined covariates can reduce this HAC variance limit in Loewner order and, under an additional long-run orthogonality condition, yields a tighter conservative bound on the corresponding asymptotic covariance. Monte Carlo evidence shows when the distinction is quantitatively important. In a monetary-policy application, standard-error reductions from rich macro covariates provide a diagnostic for economically meaningful predictable variation in the mean-moment path.