Examining bias in estimators of linear rational expectations models under misspecification
误设下线性理性预期模型估计量的偏差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：摘要研究含滞后与未来预期值的动态模型，并重点分析遗漏动态及新凯恩斯宏观模型。
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
误设下线性理性预期模型估计量的偏差
- 研究问题
- 在线性理性预期模型遗漏动态等误设下，GMM 与最大似然如何偏离真实前瞻性参数，二者差异能否用于检验误设？
- 方法与思路
- 作者在简化数据生成过程中解析推导渐近偏差，提出基于两估计量差异的准 Hausman 检验，并模拟新凯恩斯宏观模型。
- 材料陈述的贡献
- 摘要称，许多所考察情形中两类估计的偏差方向相反；更现实模型的模拟保留该排序，且误设通常对 GMM 更不利。
- 阅读关注点
- 应核对遗漏动态的具体形式、偏差方向成立的参数范围，以及准 Hausman 检验的校准和宏观模型模拟设定。
- 阅读边界
- 仅据所给出版社摘要，无法确定偏差幅度、检验表现或参数范围；对 GMM 更不利的结论仅限所研究的误设与模型。
原文摘要
Most rational expectations models involve equations in which the dependent variable is a function of its lags and its expected future value. We investigate the asymptotic bias of generalized method of moment (GMM) and maximum likelihood (ML) estimators in such models under misspecification. We consider several misspecifications, and focus more specifically on the case of omitted dynamics in the dependent variable. In a stylized DGP, we derive analytically the asymptotic biases of these estimators. We establish that in many cases of interest the two estimators of the degree of forward-lookingness are asymptotically biased in opposite direction with respect to the true value of the parameter. We also propose a quasi-Hausman test of misspecification based on the difference between the GMM and ML estimators. Using Monte-Carlo simulations, we show that the ordering and direction of the estimators still hold in a more realistic New Keynesian macroeconomic model. In this set-up, misspecification is in general found to be more harmful to GMM than to ML estimators.