Inference When a Nuisance Parameter Is Not Identified Under the Null Hypothesis
原假设下干扰参数未被识别时的统计推断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：摘要明确应用于门限模型并检验美国国民生产总值增长率的门限效应，因此归入宏观时间序列。
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
原假设下干扰参数未被识别时的统计推断
- 研究问题
- 当干扰参数在原假设下无法识别、检验的渐近分布依赖许多未知参数时，如何构造可实施且摆脱这些参数的推断？
- 方法与思路
- 作者利用基于条件概率测度的变换消除渐近分布中的干扰参数，并用模拟近似该变换，在门限模型中应用并进行蒙特卡洛评估。
- 材料陈述的贡献
- 摘要称该变换得到无干扰参数的渐近分布且便于模拟，并指出既有美国国民生产总值增长率门限效应发现可能源于抽样变异。
- 阅读关注点
- 应核对条件概率测度及变换的构造、模拟近似的条件和误差，以及蒙特卡洛设定与美国增长率门限检验的实证证据。
- 阅读边界
- 摘要未说明适用检验类别、关键正则条件与具体有限样本表现；对既有门限发现的解释仅称可能，不能据此认定不存在门限效应。
原文摘要
The authors study the asymptotic distribution of econometric tests involving nuisance parameters that are not identified under the null hypotheses. In general, the asymptotic distributions depend upon a large number of unknown parameters. The authors show that a transformation based upon a conditional probability measure yields an asymptotic distribution free of nuisance parameters and they show that this transformation can be easily approximated via simulation. The theory is applied to threshold models. Monte Carlo methods are used to assess the finite sample distributions. The authors' tests show that S. M. Potter's (1995) finding of a threshold effect in U.S. GNP growth rates can be possibly explained by sampling variation. Copyright 1996 by The Econometric Society.