Testing for weak identification in possibly nonlinear models
可能非线性模型中的弱识别检验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：摘要主要研究通用弱识别检验，Taylor 规则应用不足以对应所列 VAR、因子或预测等细分。
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
可能非线性模型中的弱识别检验
- 研究问题
- 在可能非线性的模型中，如何区分强识别、弱识别和不识别，并构造能对弱识别与不识别备择均有效的检验？
- 方法与思路
- 作者依据两个收缩极值估计量之间的距离构造卡方检验，利用其在不同识别状态下的收敛与分布差异进行判断。
- 材料陈述的贡献
- 摘要称，该检验对弱识别和不识别备择均具有一致性，蒙特卡洛提供支持，并用于检验代表性 Taylor 规则的参数识别。
- 阅读关注点
- 应核对两种收缩估计量的定义、识别强弱的形式化区分、卡方近似条件，以及 Taylor 规则应用中的模型设定。
- 阅读边界
- 仅据所给出版社摘要，无法判断收缩调参、弱识别序列或有限样本拒绝率；单一政策规则应用不能证明普遍适用性。
原文摘要
In this paper we propose a chi-square test for identification. Our proposed test statistic is based on the distance between two shrinkage extremum estimators. The two estimators converge in probability to the same limit when identification is strong, and their asymptotic distributions are different when identification is weak. The proposed test is consistent not only for the alternative hypothesis of no identification but also for the alternative of weak identification, which is confirmed by our Monte Carlo results. We apply the proposed technique to test whether the structural parameters of a representative Taylor-rule monetary policy reaction function are identified.