Estimation With Many Instrumental Variables
多工具变量下的估计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：摘要研究多工具变量的一般估计与推断，未给出因果效应目标或明确的微观、宏观、金融应用，细分领域证据不足。
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…
多工具变量下的估计
- 研究问题
- 当有效工具变量数量较多时，如何修正常规推断的失准，使标准误、t 比率与弱工具变量统计量适应工具变量数量增长？
- 方法与思路
- 作者将 Bekker 的标准误修正扩展至非正态扰动，调整多工具变量的影响，并构造适用于多工具变量的 Kleibergen 弱工具统计量。
- 材料陈述的贡献
- 摘要称，修正后的 t 比率在工具变量数量增长与固定时具有相同的渐近近似阶，并展示该修正在理论、模拟和实证中的用途。
- 阅读关注点
- 阅读全文时核对工具变量增长方式、扰动分布及有效性条件，区分标准误修正与点估计性质，并检查弱工具统计量的校准。
- 阅读边界
- 摘要未说明具体估计量、增长速率限制、异方差处理及弱识别下的适用范围，不能据此认定修正适用于所有工具变量设计。
原文摘要
Using many valid instrumental variables has the potential to improve efficiency but makes the usual inference procedures inaccurate. We give corrected standard errors, an extension of Bekker to nonnormal disturbances, that adjust for many instruments. We find that this adjustment is useful in empirical work, simulations, and in the asymptotic theory. Use of the corrected standard errors in t-ratios leads to an asymptotic approximation order that is the same when the number of instrumental variables grows as when the number of instruments is fixed. We also give a version of the Kleibergen weak instrument statistic that is robust to many instruments.