Identification- and many moment-robust inference via invariant moment conditions
通过不变矩条件实现识别与多矩条件稳健推断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：摘要核心是通用 GMM 检验理论，银行系统性风险仅作为应用例子，不足以限定方法领域。
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
通过不变矩条件实现识别与多矩条件稳健推断
- 研究问题
- 当矩条件数量与样本量同比例增长时，如何为基于连续更新 GMM 的识别稳健检验建立可用的渐近近似并校准检验尺度？
- 方法与思路
- 作者利用权重矩阵结构，在原假设下引入矩条件分布的反射不变性，推导检验性质，并提出达到名义尺度的调整。
- 材料陈述的贡献
- 摘要称现有检验在该框架下渐近保守，所提调整可在大样本中达到名义尺度，并通过线性、非线性模型及银行应用说明。
- 阅读关注点
- 应核对反射不变性的准确形式、标准假设如何推出该性质、多矩条件增长限制，以及尺度调整是否保留识别稳健性。
- 阅读边界
- 仅据所给 OpenAlex 摘要版本，不变性条件、调整公式及有限样本误差未说明，不能推广至所有多矩条件模型或推断刊本变化。
原文摘要
Identification-robust hypothesis tests are commonly based on the continuous updating GMM objective function. When the number of moment conditions grows proportionally with the sample size, the large-dimensional weighting matrix prohibits the use of conventional asymptotic approximations and the behavior of these tests remains unknown. We show that the structure of the weighting matrix opens up an alternative route to asymptotic results when, under the null hypothesis, the distribution of the moment conditions satisfies a symmetry condition known as reflection invariance. We provide several examples in which the invariance follows from standard assumptions. Our results show that existing tests will be asymptotically conservative, and we propose an adjustment to attain nominal size in large samples. We illustrate our findings through simulations for various linear and nonlinear models, and an empirical application on the effect of the concentration of financial activities in banks on systemic risk.