Properties of the CUE estimator and a modification with moments
连续更新估计量的性质及其矩存在性问题的修正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：摘要讨论一般矩估计的弱识别、有限样本性质和正则化，未给出足以对应因果、面板、宏观或金融细分的具体模型。
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…
连续更新估计量的性质及其矩存在性问题的修正
- 研究问题
- 被用于缓解两步 GMM 有限样本偏差的连续更新估计量，在弱识别下是否存在严重尾部和矩存在性问题，如何构造修正？
- 方法与思路
- 作者分析 CUE 的有限样本与弱识别性质，通过修改其一阶条件提出正则化 CUE，并在弱矩渐近框架及蒙特卡洛实验中考察方法。
- 材料陈述的贡献
- 摘要称弱识别下 CUE 不保证任何阶矩有限，并提出 RCUE 作为修正；在多种弱矩渐近框架下两者渐近等价，模拟支持理论发现。
- 阅读关注点
- 应核对矩不存在结果的模型条件、正则化一阶条件的具体形式，以及 RCUE 所解决的矩问题、渐近等价范围和模拟评价指标。
- 阅读边界
- 解读限于所给出版社摘要；正则化参数、矩存在性的准确条件和数值表现未说明，不能认定 RCUE 消除了所有弱识别推断困难。
原文摘要
In this paper, we analyze properties of the Continuous Updating Estimator (CUE) proposed by Hansen et al. (1996), which has been suggested as a solution to the finite sample bias problems of the two-step GMM estimator. We show that the estimator should be expected to perform poorly in finite samples under weak identification, in particular, the estimator is not guaranteed to have finite moments of any order. We propose the Regularized CUE (RCUE) as a solution to this problem. The RCUE solves a modification of the first-order conditions for the CUE estimator and is shown to be asymptotically equivalent to CUE under many weak moment asymptotics. Our theoretical findings are confirmed by extensive Monte Carlo studies.