Econometric estimation with high-dimensional moment equalities
具有高维矩等式的计量经济学估计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：摘要明确以非线性结构模型的有限维参数为估计对象，并应用于国际贸易模型，提供了结构估计方向的直接依据。
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
具有高维矩等式的计量经济学估计
- 研究问题
- 在矩条件数量不受样本量限制的非线性结构模型中，如何筛选有信息的矩，并对有限维参数获得一致估计和有效推断？
- 方法与思路
- 作者先放松经验似然的矩约束以取得一致初估，再据此选择有信息的矩并修正初估偏误，提出计算高效的筛选算法。
- 材料陈述的贡献
- 摘要称第二步估计具有渐近正态性，并在稀疏条件下达到最低方差；模拟表现有利，且应用于大规模中国贸易数据。
- 阅读关注点
- 应核对矩维数增长、约束放松程度和稀疏条件，明确最低方差的比较范围，并检查原文渐近正态性的缩放记号。
- 阅读边界
- 仅据所给出版社摘要，无法确定收敛率记号的准确含义和最优性的条件；作者的首次提出声明也不能独立核验。
原文摘要
We consider a nonlinear structural model in which the number of moments is not limited by the sample size. The econometric problem here is to estimate and perform inference on a finite-dimensional parameter. To handle the high dimensionality, we must systematically choose a set of informative moments; in other words, delete the uninformative ones. In nonlinear models, a consistent estimator is a prerequisite for moment selection. We develop in this paper a novel two-step procedure. The first step achieves consistency in high-dimensional asymptotics by relaxing the moment constraints of empirical likelihood. Given the consistent estimator, in the second step we propose a computationally efficient algorithm to select the informative moments from a vast number of candidate combinations, and then use these moments to correct the bias of the first-step estimator. We show that the resulting second-step estimator is n-asymptotic normal, and achieves the lowest variance under a sparsity condition. To the best of our knowledge, we provide the first asymptotically normally distributed estimator in such an environment. The new estimator is shown to have favorable finite sample properties in simulations, and it is applied to estimate an international trade model with massive Chinese datasets.