Increasing the power of specification tests
提高模型设定检验的功效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：摘要主要给出通用设定检验改进，线性内生性检验只是应用，尚不足以归入给定的具体领域细分。
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…
关注这篇论文的作者
提高模型设定检验的功效
- 研究问题
- 在较广泛的模型中，如何改进Hausman设定检验和差异检验，使其在维持原假设下渐近分布的同时提高拒绝错误设定的能力？
- 方法与思路
- 作者在估计协方差矩阵时施加原假设与备择假设的限制，并比较改进统计量与既有统计量在原假设及备择下的渐近行为。
- 材料陈述的贡献
- 摘要称原假设成立时保留既有大样本分布，而在包括线性模型内生性检验的若干应用中，新统计量以趋近一的概率更大。
- 阅读关注点
- 应核对协方差估计中两类限制如何实施、统计量更大何时转化为功效提升，以及结论覆盖哪些模型和备择情形。
- 阅读边界
- 仅据所给出版社摘要，无法判断具体模型条件、局部备择或有限样本表现；若干应用中的渐近改善不能解释为普遍优势。
原文摘要
This paper shows how to increase the power of Hausman’s (1978) specification test as well as the difference test in a large class of models. The idea is to impose the restrictions of the null and the alternative hypotheses when estimating the covariance matrix. If the null hypothesis is true then the proposed test has the same distribution as the existing ones in large samples. If the hypothesis is false then the proposed test statistic is larger with probability approaching one as the sample size increases in several important applications, including testing for endogeneity in the linear model.