The purpose of an estimator is what it does: Misspecification, estimands, and over-identification
估计器由其实际行为定义：模型误设、目标量与过度识别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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究通用 GMM、模型误设与过度识别理论，未指定足以归入所列细分的应用对象。
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…
估计器由其实际行为定义：模型误设、目标量与过度识别
- 研究问题
- 过度识别模型存在误设时，不同估计器与矩条件如何改变实际估计的目标量，研究者应怎样透明报告这些选择的影响？
- 方法与思路
- 作者结合 GMM 应用回顾，综述并整合误设下的估计结果，同时提出 Hansen J 统计量与给定标准误下估计范围之间的新理论联系。
- 材料陈述的贡献
- 摘要称，误设下估计器差异涉及目标量而非仅效率，并证明 J 统计量渐近衡量给定标准误下的可达估计范围，建议更广泛报告。
- 阅读关注点
- 应核对误设下目标量如何由矩条件与权重定义，以及 J 统计量范围解释所需的模型条件、渐近框架和实证报告方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未提供新结果的具体条件，应用回顾也不能代表全部 GMM 实践。
原文摘要
In over-identified models, misspecification -- the norm rather than exception -- fundamentally changes what estimators estimate. Different estimators imply different estimands rather than different efficiency for the same target. A review of recent applications of generalized method of moments in the American Economic Review suggests widespread acceptance of this fact: There is little formal specification testing and widespread use of estimators that would be inefficient were the model correct, including the use of "hand-selected" moments and weighting matrices. Motivated by these observations, we review and synthesize recent results on estimation under model misspecification, providing guidelines for transparent and robust empirical research. We also provide a new theoretical result, showing that Hansen's J-statistic measures, asymptotically, the range of estimates achievable at a given standard error. Given the widespread use of inefficient estimators and the resulting researcher degrees of freedom, we thus particularly recommend the broader reporting of J-statistics.