Accurate and robust tests for indirect inference
间接推断的高精度与稳健检验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：间接推断检验属于通用方法，所给例子不足以确认特定经济结构模型或其他列出的领域。
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
间接推断的高精度与稳健检验
- 研究问题
- 研究如何改善间接推断中参数检验与过度识别检验的有限样本准确性，并提供相应的稳健版本。
- 方法与思路
- 作者提出具有更精确零假设分布近似的新检验，并在非线性回归、过度离散 Poisson 回归及扩散模型中说明。
- 材料陈述的贡献
- 摘要称新检验具有渐近卡方分布及更高阶的相对误差控制，并报告其有限样本准确性优于传统检验。
- 阅读关注点
- 应核对相对误差和绝对误差各自的定义、近似成立条件，以及稳健版本针对的偏离和模拟比较设计。
- 阅读边界
- 索引摘要未注明稿件版本；辅助模型、稳健性条件和数值优势未详述，误差阶比较也需结合各自定义理解。
原文摘要
In this paper we propose accurate parameter and over-identification tests for indirect inference. Under the null hypothesis the new tests are asymptotically χ2-distributed with a relative error of order n−1. They exhibit better finite sample accuracy than classical tests for indirect inference, which have the same asymptotic distribution but an absolute error of order n−1/2. Robust versions of the tests are also provided. We illustrate their accuracy in nonlinear regression, Poisson regression with overdispersion and diffusion models.