Identification-robust nonparametric inference in a linear IV model
线性工具变量模型中对识别强度稳健的非参数推断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。
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：摘要明确研究工具变量系数推断，但未给出因果效应解释或特定微观应用，故不将通用推断理论强行归类。
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
线性工具变量模型中对识别强度稳健的非参数推断
- 研究问题
- 在线性工具变量回归中，如何在识别强弱未知、第一阶段可能非线性且存在未知形式异方差时，对内生变量系数进行有效推断？
- 方法与思路
- 作者先在原假设参数值下构造积分条件矩统计量，再依据反映识别强度的一组统计量实施条件化，形成两种推断程序。
- 材料陈述的贡献
- 摘要称，两种程序均能不随识别强度变化而统一控制检验尺寸；其中积分条件矩程序同时检验系数取值与模型设定。
- 阅读关注点
- 应核对工具变量所需条件、统一尺寸控制覆盖的模型范围，以及条件化程序如何处理识别信息和模型设定检验。
- 阅读边界
- 仅据所给出版社摘要，不能确认具体正则条件、功效比较或应用结果；模拟中的竞争力不等于在所有情形下占优。
原文摘要
For a linear IV regression, we propose two new inference procedures on parameters of endogenous variables that are robust to any identification pattern, do not rely on a linear first-stage equation, and account for heteroskedasticity of unknown form. Building on Bierens (1982), we first propose an Integrated Conditional Moment (ICM) type statistic constructed by setting the parameters to the value under the null hypothesis. The ICM procedure tests at the same time the value of the coefficient and the specification of the model. We then adopt a conditionality principle to condition on a set of ICM statistics that informs on identification strength. Our two procedures uniformly control size irrespective of identification strength. They are powerful irrespective of the nonlinear form of the link between instruments and endogenous variables and are competitive with existing procedures in simulations and application.