YET MORE ON THE EXACT PROPERTIES OF IV ESTIMATORS
工具变量估计量精确性质的进一步研究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：摘要属于一般工具变量估计理论，未明确因果目标或具体结构经济模型，现有证据不足以匹配所列细分方向。
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…
关注这篇论文的作者
工具变量估计量精确性质的进一步研究
- 研究问题
- 研究在高斯假设下，两阶段最小二乘与有限信息极大似然估计量的精确性质由哪些关键量决定，并如何解释弱工具结果。
- 方法与思路
- 作者利用条件化方法简化结构方程及工具变量回归中的精确分析，并将所得结果与弱工具变量渐近分析相联系。
- 材料陈述的贡献
- 摘要称，条件化推导使复杂公式更易解释并提炼决定估计量性质的关键量，精确分析进一步细化和澄清部分弱工具结果。
- 阅读关注点
- 应核对高斯假设覆盖的随机变量、条件化对象及关键参数，并比较精确结果与弱工具渐近结论各自的适用范围。
- 阅读边界
- 所给出版社摘要未展示精确公式、具体改进结果或非高斯推广，不能据此比较两类估计量在所有情形下的优劣。
原文摘要
We revisit the exact properties of two-stage least squares and limited information maximum likelihood estimators in a structural equation/instrumental variables regression under Gaussian assumptions. Simple derivations based on conditioning serve both to demystify the apparently complicated formulas, and to isolate the key quantities that determine the properties of the estimators. Some recent results obtained under weak-instrument asymptotics are sharpened and clarified by the exact analysis.Thanks to Peter Phillips and several anonymous referees for helpful comments that improved the paper considerably.