Weak Identification in Low-Dimensional Factor Models with One or Two Factors
单因子或双因子低维因子模型中的弱识别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：摘要直接研究因子模型的重新参数化与弱识别检验，应用对象为父母对子女的投入。
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
单因子或双因子低维因子模型中的弱识别
- 研究问题
- 对于包含一个或两个因子的低维因子模型，如何区分弱识别与强识别参数，使子向量假设能够使用识别稳健检验？
- 方法与思路
- 作者通过重新参数化，将低维因子模型纳入已有的广义矩方法弱识别理论，使需要区分识别强弱的代入式检验可用。
- 材料陈述的贡献
- 摘要称，所提参数化使子向量代入式检验成为可能；模拟中，这类检验比基于原参数化的识别稳健检验更不保守。
- 阅读关注点
- 应核对重新参数化的适用条件、强弱识别参数的划分、子向量检验的有效性，以及模拟中保守程度的比较标准。
- 阅读边界
- 摘要仅覆盖一个或两个因子的低维模型，未说明更多因子时能否推广；更不保守不等于在所有情形下功效更高。
原文摘要
Abstract This paper describes how to reparametrize low-dimensional factor models with one or two factors to fit weak identification theory developed for generalized method of moments models. Some identification-robust tests, here called “plug-in” tests, require a reparametrization to distinguish weakly identified parameters from strongly identified parameters. The reparametrizations in this paper make plug-in tests available for subvector hypotheses in low-dimensional factor models with one or two factors. Simulations show that the plug-in tests are less conservative than identification-robust tests that use the original parametrization. An empirical application to a factor model of parental investments in children is included.