GMM ESTIMATION AND UNIFORM SUBVECTOR INFERENCE WITH POSSIBLE IDENTIFICATION FAILURE
可能识别失效下的 GMM 估计与一致有效的子向量推断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：摘要明确包含具有内生性及可能弱工具变量的 probit 离散选择模型应用。
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
可能识别失效下的 GMM 估计与一致有效的子向量推断
- 研究问题
- 当矩条件模型中的部分参数未识别或弱识别时，标准 GMM 估计、检验和置信集具有怎样的渐近分布与一致尺寸？
- 方法与思路
- 作者沿不同真实参数和分布漂移序列建立渐近理论，并研究采用识别稳健临界值的 Wald、t 和准似然比推断。
- 材料陈述的贡献
- 摘要称文章刻画标准 GMM 推断的一致渐近尺寸，并证明所研究稳健检验和置信集具有正确尺寸，应用包括内生性 probit。
- 阅读关注点
- 应核对子向量推断的目标与干扰参数处理、漂移序列覆盖范围，以及稳健临界值的构造和一致尺寸结论的条件。
- 阅读边界
- 仅依据所给 Crossref 摘要版本，未核验刊本变化；摘要未给出临界值算法、完整识别条件或功效结果，尺寸正确不等于功效最优。
原文摘要
This paper determines the properties of standard generalized method of moments (GMM) estimators, tests, and confidence sets (CSs) in moment condition models in which some parameters are unidentified or weakly identified in part of the parameter space. The asymptotic distributions of GMM estimators are established under a full range of drifting sequences of true parameters and distributions. The asymptotic sizes (in a uniform sense) of standard GMM tests and CSs are established. The paper also establishes the correct asymptotic sizes of “robust” GMM-based Wald, t , and quasi-likelihood ratio tests and CSs whose critical values are designed to yield robustness to identification problems. The results of the paper are applied to a nonlinear regression model with endogeneity and a probit model with endogeneity and possibly weak instrumental variables.