TESTING UNDER WEAK IDENTIFICATION WITH CONDITIONAL MOMENT RESTRICTIONS
条件矩限制下的弱识别稳健检验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：摘要研究一般条件矩模型中的弱识别检验，未指明因果效应、结构模型或其他所列具体应用。
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
条件矩限制下的弱识别稳健检验
- 研究问题
- 在条件矩限制模型中，如何构造对系数值的检验，使其尺寸不随识别强弱失控，同时在识别较强时保留功效？
- 方法与思路
- 作者以非参数估计的工具变量构造 Anderson–Rubin 型半参数检验，并施加标准误修正，分析不同识别强度下的性质。
- 材料陈述的贡献
- 摘要称检验保持正确尺寸，识别不过弱时一致，充分强时等价于不可行 AR 检验；同方差强识别下还刻画局部功效。
- 阅读关注点
- 应核对识别强度的定义、工具变量估计和标准误修正步骤，以及尺寸、一致性和效率界相关结论分别需要哪些条件。
- 阅读边界
- 仅据所给 Crossref 摘要解读；摘要未列完整条件，也未明确尺寸结论的有限样本边界，不能将其理解为任意样本下精确有效。
原文摘要
Abstract We propose a semiparametric test for the value of coefficients in models with conditional moment restrictions that has correct size regardless of identification strength. The test is in essence an Anderson-Rubin (AR) test using nonparametrically estimated instruments to which we apply a standard error correction. We show that the test is (1) always size-correct, (2) consistent when identification is not too weak, and (3) asymptotically equivalent to an infeasible AR test when identification is sufficiently strong. We moreover prove that under homoskedasticity and strong identification our test has a limiting noncentral chi-square distribution under a sequence of local alternatives, where the noncentrality parameter is given by a quadratic form of the inverse of the semiparametric efficiency bound.