Detecting identification failure in moment condition models
矩条件模型中识别失效的检测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：摘要主体是一般矩条件模型的识别诊断；仅提及长期风险模型应用，未提供足够领域内容支撑具体金融分类。
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
矩条件模型中识别失效的检测
- 研究问题
- 如何检测矩条件模型的局部或全局识别失败，并在事先不知道识别强度时，对部分参数进行允许弱识别的有效推断？
- 方法与思路
- 作者在估计的识别集上对矩条件作线性近似，以其斜率构造准雅可比矩阵，再利用该矩阵的秩性质建立卡方临界值检验。
- 材料陈述的贡献
- 摘要称，准雅可比在识别失败时渐近奇异，在全局及局部识别成立时等价于通常雅可比，并支持多种识别强度下的推断。
- 阅读关注点
- 应核对识别集估计和线性近似的构造、奇异性判别条件，以及强、半强和弱识别下子向量检验的有效范围。
- 阅读边界
- 仅据所给 OpenAlex 摘要，矩条件与识别集所需假设、检验公式未说明；不能判断其对任意识别失败是否均有检测能力。
原文摘要
This paper develops an approach to detect identification failure in moment condition models. This is achieved by introducing a quasi-Jacobian matrix computed as the slope of a linear approximation of the moments on an estimate of the identified set. It is asymptotically singular when local and/or global identification fails, and equivalent to the usual Jacobian matrix which has full rank when the model is globally and locally identified. Building on this property, a simple test with chi-squared critical values is introduced to conduct subvector inferences allowing for strong, semi-strong, and weak identification without a priori knowledge about the underlying identification structure. Monte-Carlo simulations and an empirical application to the Long-Run Risks model illustrate the results.