Production Function Estimation without Invertibility: Imperfectly Competitive Environments and Demand Shocks
无需可逆性的生产函数估计：不完全竞争环境与需求冲击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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究生产函数的代理变量估计及结构参数的两步 GMM 程序。
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
无需可逆性的生产函数估计：不完全竞争环境与需求冲击
- 研究问题
- 生产函数代理变量估计中的可逆性假设能否检验，假设失效会造成何种偏差，又能如何修改两步估计程序？
- 方法与思路
- 作者分析可逆性失效的后果，修改第一步以提供第二步 GMM 的一阶偏差校正，并调整矩条件以实现 Neyman 正交性。
- 材料陈述的贡献
- 摘要称可逆性可以检验，程序修改可消除或减轻相关偏差；正交矩条件使第二步渐近分布不受第一步估计噪声影响。
- 阅读关注点
- 应核对可逆性检验的适用条件、失效后仍可识别的对象，以及一阶校正和正交化各自需要哪些正则条件。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未给出检验构造、校正公式或有限样本效果。
原文摘要
We advance the proxy variable approach to production function estimation. We show that the invertibility assumption at its heart is testable. We characterize what goes wrong if invertibility fails and what can still be done. We show that rethinking how the estimation procedure is implemented either eliminates or mitigates the bias that arises if invertibility fails. In particular, a simple change to the first step of the estimation procedure provides a first-order bias correction for the GMM estimator in the second step. Furthermore, a modification of the moment condition in the second step ensures Neyman orthogonality and enhances efficiency and robustness by rendering the asymptotic distribution of the GMM estimator invariant to estimation noise from the first step.