Should we go one step further? An accurate comparison of one-step and two-step procedures in a generalized method of moments framework
是否应再进一步？GMM一步法与两步法的精确比较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：摘要讨论一般GMM估计与检验的渐近比较，未明确限定于面板、资产定价或其他所列应用方向，因此保留空分类。
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
是否应再进一步？GMM一步法与两步法的精确比较
- 研究问题
- 把权重矩阵的估计不确定性纳入分析后，两步GMM估计与检验是否仍优于一步法，其优势取决于怎样的矩条件相关性？
- 方法与思路
- 作者使用固定平滑渐近框架比较一步与两步程序，以两组变换后矩条件之间的长期典型相关系数平方刻画性能差异。
- 材料陈述的贡献
- 摘要称两步程序仅在相关系数平方超过相应阈值时更优，阈值随评价准则变化；蒙特卡洛研究为这些渐近结果提供支持。
- 阅读关注点
- 应核对固定平滑框架的定义、矩条件如何分组和变换、不同准则下的阈值表达式，以及理论比较与有限样本设计的对应关系。
- 阅读边界
- 仅据所给出版社摘要，无法获得阈值数值或实施规则，也不能把特定框架下的比较推广为所有GMM应用中的普遍优劣结论。
原文摘要
According to conventional asymptotic theory, the two-step generalized method of moments (GMM) estimator and test perform at least as well as the one-step estimator and test in large samples. The conventional asymptotic theory completely ignores the estimation uncertainty in the weighting matrix, and as a result it may not reflect finite-sample situations well. In this paper, we employ the more accurate fixed-smoothing asymptotic framework to compare the performances of the one-step and two-step procedures. We show that the two-step procedures outperform the one-step procedures only when the squared long-run canonical correlation coefficients between two blocks of transformed moment conditions are larger than the thresholds established in this paper. The thresholds depend on the criteria of interest. A Monte Carlo study lends support to our asymptotic results.