Which Moments to Match?
应该匹配哪些矩？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：摘要明确以结构模型参数估计为目标，并讨论似然难算时利用辅助得分和可计算期望，因此选择结构估计。
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
应该匹配哪些矩？
- 研究问题
- 当结构模型的似然难以计算、但期望可以计算时，如何系统选择 GMM 的矩条件，并判断相应估计效率？
- 方法与思路
- 作者用具有解析密度的辅助模型得分构造 GMM 准则，要求辅助模型贴近数据分布，但不要求其嵌套结构模型。
- 材料陈述的贡献
- 摘要提出系统生成矩条件的办法，并称辅助模型嵌套结构模型时可达到最大似然效率，期望可通过模拟等方式计算。
- 阅读关注点
- 应核对辅助模型选择、得分矩的构造和权重矩阵，以及效率结论的完整条件与模拟或求积误差如何处理。
- 阅读边界
- 所给 Crossref 摘要未说明完整识别条件及效率证明，不能将最大似然效率推广到非嵌套情形或推断版本变化。
原文摘要
We describe an intuitive, simple, and systematic approach to generating moment conditions for generalized method of moments (GMM) estimation of the parameters of a structural model. The idea is to use the score of a density that has an analytic expression to define the GMM criterion. The auxiliary model that generates the score should closely approximate the distribution' of the observed data but is not required to nest it. If the auxiliary model nests the structural model then the estimator is as efficient as maximum likelihood. The estimator is advantageous when expectations under a structural model can be computed by simulation, by quadrature, or by analytic expressions but the likelihood cannot be computed easily.