A Ridge-Regularized Jackknifed Anderson-Rubin Test
岭正则化的刀切 Anderson–Rubin 检验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：摘要核心为通用工具变量回归检验，未明确给出因果参数框架，不足以据此归入所列专门方向。
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…
岭正则化的刀切 Anderson–Rubin 检验
- 研究问题
- 工具变量数量很多、甚至超过样本量，且工具可能任意弱时，如何在存在异方差的回归模型中维持假设检验的渐近尺寸控制？
- 方法与思路
- 作者对刀切 Anderson–Rubin 检验引入岭正则化，研究少量已纳入外生协变量、多工具变量情形，并进行模拟和移民替代弹性应用。
- 材料陈述的贡献
- 摘要称，该检验在较弱条件下控制渐近尺寸，并扩展到工具数超过观测数的场景；模拟显示其有限样本尺寸与功效表现有利。
- 阅读关注点
- 应核对岭参数的选择、尺寸控制所需的具体条件、与既有刀切检验的假设差异，以及模拟中的弱工具强度和功效比较设计。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；具体假设、调参规则与数值结果未说明，不能判断所有设计下的优势，也不能推断后续刊本变化。
原文摘要
We consider hypothesis testing in instrumental variable regression models with few included exogenous covariates but many instruments-possibly more than the number of observations. We show that a ridge-regularized version of the jackknifed Anderson and Rubin (henceforth AR) test controls asymptotic size in the presence of heteroscedasticity, and when the instruments may be arbitrarily weak. Asymptotic size control is established under weaker assumptions than those imposed for recently proposed jackknifed AR tests in the literature. Furthermore, ridge-regularization extends the scope of jackknifed AR tests to situations in which there are more instruments than observations. Monte Carlo simulations indicate that our method has favorable finite-sample size and power properties compared to recently proposed alternative approaches in the literature. An empirical application on the elasticity of substitution between immigrants and natives in the United States illustrates the usefulness of the proposed method for practitioners.