Finite-sample corrected inference for two-step GMM in time series
时间序列两步 GMM 的有限样本校正推断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：摘要明确研究时间序列 GMM、长期方差估计及自相关稳健推断，文本直接支持时间序列这一细分方向。
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
时间序列两步 GMM 的有限样本校正推断
- 研究问题
- 时间序列有效 GMM 的权重矩阵需要估计时，如何计入这一高阶不确定性，减少异方差与自相关稳健检验的过度拒绝？
- 方法与思路
- 作者将 Windmeijer 的有限样本方差校正扩展到异方差与自相关稳健推断，并以固定平滑渐近理论推导检验分布。
- 材料陈述的贡献
- 摘要称，校正统计量可使用标准渐近 t 或 F 临界值，有限样本过度拒绝较少，并避免原校正公式可能增加的拒绝偏差。
- 阅读关注点
- 应核对长期方差估计和平滑参数的设定、校正项如何反映权重估计误差，以及尺寸改善所覆盖的设计与比较方法。
- 阅读边界
- 仅据所给出版社摘要，无法判断依赖条件、平滑选择或改善幅度；有限样本校正这一名称不意味着检验具有有限样本精确性。
原文摘要
This paper develops a finite-sample corrected inference for the efficient generalized method of moments (GMM) in time series. To capture a higher-order uncertainty embodied in estimating the time series GMM weight matrix, we extend the finite-sample corrected variance formula of Windmeijer (2005) to heteroskedasticity autocorrelated robust (HAR) inference. Using fixed-smoothing asymptotics, we show that our finite-sample corrected test statistics lead to standard asymptotic t or F critical values and suffer from less over-rejection of the null hypothesis than existing GMM procedures on finite-samples, including continuously updating GMM. Not only does our finite-sample corrected variance formula correct for the bias arising from the plugged-in long-run variance estimation, but it is also not exposed to a potential side effect of Windmeijer’s formula, which can introduce an additional source of over-rejection after the correction.