GMM redundancy results for general missing data problems
一般缺失数据问题中的 GMM 冗余性结果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：摘要讨论一般缺失数据与 GMM 矩条件效率，没有明确的处理效应、面板或其他所列细分领域对象，故不强行分类。
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
一般缺失数据问题中的 GMM 冗余性结果
- 研究问题
- 模型与选择过程提供的两组矩条件何时带来额外效率，为什么估计选择概率的加权有时优于使用真实概率？
- 方法与思路
- 作者先分析两组参数进入不同矩条件时的 GMM 效率与冗余性，再将结果用于可忽略选择和外生选择情形。
- 材料陈述的贡献
- 摘要称，结果解释了估计选择概率加权的效率优势，并表明在所讨论的外生选择条件下，不必加权时加权也无效率收益。
- 阅读关注点
- 应核对矩条件与参数的分组结构、可忽略性和选择外生性的准确含义，以及效率与冗余结论所针对的估计量集合。
- 阅读边界
- 仅据所给出版社摘要，无法判断概率模型、权重及正则条件；加权无效率收益的结论不能脱离文中的选择假设推广。
原文摘要
We consider questions of efficiency and redundancy in the GMM estimation problem in which we have two sets of moment conditions, where two sets of parameters enter into one set of moment conditions, while only one set of parameters enters into the other. We then apply these results to a selectivity problem in which the first set of moment conditions is for the model of interest, and the second set of moment conditions is for the selection process. We use these results to explain the counterintuitive result in the literature that, under an ignorability assumption that justifies GMM with weighted moment conditions, weighting using estimated probabilities of selection is better than weighting using the true probabilities. We also consider estimation under an exogeneity of selection assumption such that both the unweighted and the weighted moment conditions are valid, and we show that when weighting is not needed for consistency, it is also not useful for efficiency.