A Conditional Likelihood Ratio Test for Structural Models
结构模型的条件似然比检验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：摘要研究联立方程中的一般弱工具变量检验，未明确微观结构应用或其他所列具体方向，故暂不细分。
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
结构模型的条件似然比检验
- 研究问题
- 当联立方程中的工具变量较弱时，如何利用非枢轴统计量的条件分布构造检验，使检验具有相似性，同时改善弱识别情形下的功效？
- 方法与思路
- 作者在正态误差且约化式协方差已知的模型中，利用条件分布构造精确相似检验，并考察协方差需估计及误差非正态时的渐近性质。
- 材料陈述的贡献
- 摘要称，条件似然比检验在通常的局部原假设渐近框架下具有最优性，并在弱识别时比得分检验有更好的功效。
- 阅读关注点
- 应核对条件化所用统计量、精确相似性与渐近相似性的条件，以及局部最优性和弱识别功效比较分别在哪种渐近框架下成立。
- 阅读边界
- 精确相似性依赖摘要列出的正态误差和已知协方差设定；推广结论属于弱工具变量渐近分析，摘要未交代有限样本表现。
原文摘要
This paper develops a general method for constructing exactly similar tests based on the conditional distribution of nonpivotal statistics in a simultaneous equations model with normal errors and known reduced-form covariance matrix. These tests are shown to be similar under weak-instrument asymptotics when the reduced-form covariance matrix is estimated and the errors are non-normal. The conditional test based on the likelihood ratio statistic is particularly simple and has good power properties. Like the score test, it is optimal under the usual local-to-null asymptotics, but it has better power when identification is weak.