A Distance Covariance-based Estimator
基于距离协方差的估计量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：摘要研究工具变量、内生性与参数识别，直接对应因果推断中的工具变量方法方向。
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…
基于距离协方差的估计量
- 研究问题
- 当工具变量与内生协变量弱相关、不相关甚至均值独立，但仍存在统计依赖时，能否放宽传统相关性条件实现参数识别与估计？
- 方法与思路
- 作者提出基于距离协方差的估计量，在两种互不包含的外生性条件之一及正则条件下，利用超出线性相关或条件均值的依赖信息。
- 材料陈述的贡献
- 摘要称可在不要求排除限制和扰动项有限矩的情况下识别参数，并建立一致性、渐近正态性及放宽后相关性条件的可检验性。
- 阅读关注点
- 应核对两种外生性条件、允许的模型结构、无排除限制的准确含义，以及距离协方差目标如何区分真参数和检验相关性。
- 阅读边界
- 这是预印本，同行评审或期刊接收未核实。摘要未说明具体外生性与正则条件，不能将无排除限制理解为任意工具都能识别参数。
原文摘要
This paper proposes an estimator that relaxes the conventional relevance condition in instrumental variable (IV) analyses. The method allows endogenous covariates to be weakly correlated, uncorrelated, or even mean-independent -- though not independent -- of the instruments, enabling the use of the maximal set of relevant instruments in a given application. Identification is attainable without exclusion restrictions and without finite-moment assumptions on the disturbance term. Under either of two non-nested exogeneity conditions, combined with mild regularity conditions, the parameter of interest is identified. The estimator is shown to be consistent and asymptotically normal, and the relaxed relevance condition required for identification is testable.