Locally robust inference for non-Gaussian linear simultaneous equations models
非高斯线性联立方程模型的局部稳健推断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：摘要研究联立方程的结构冲击识别，并明确应用于教育回报这一微观结构问题。
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
非高斯线性联立方程模型的局部稳健推断
- 研究问题
- 在依靠结构冲击独立性与非高斯性识别的线性联立方程中，冲击接近高斯时如何缓解检验尺寸失真，并维持可用的覆盖率与检验力？
- 方法与思路
- 作者针对弱非高斯情形提出局部稳健的半参数推断方法，并通过较大规模模拟和教育回报应用考察有限样本表现与实施效果。
- 材料陈述的贡献
- 摘要称该方法易于实施、改善覆盖率并保持良好检验力；识别背景要求结构冲击独立且至多一个为高斯，并存在排列与符号不确定性。
- 阅读关注点
- 应核对局部接近高斯的参数化方式、稳健推断的覆盖范围、排列和符号的处理，以及教育回报应用如何满足结构冲击限制。
- 阅读边界
- 仅依据所给 OpenAlex 摘要版本；局部稳健性的具体定义和模拟结果未说明，不能据此认定任意冲击相关或其他弱识别情形均适用。
原文摘要
All parameters in linear simultaneous equations models can be identified (up to permutation and sign) if the underlying structural shocks are independent and at most one of them is Gaussian. Unfortunately, existing inference methods that exploit such identifying assumptions suffer from size distortions when the true distributions of the shocks are close to Gaussian. To address this weak non-Gaussian problem we develop a locally robust semi-parametric inference method which is simple to implement, improves coverage and retains good power properties. The finite sample properties of the methodology are illustrated in a large simulation study and an empirical study for the returns to schooling.