On the choice of test statistic for conditional moment inequalities
条件矩不等式检验统计量的选择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：摘要讨论一般集合识别和条件矩不等式，未指定因果、结构或其他给定应用方向。
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…
关注这篇论文的作者
条件矩不等式检验统计量的选择
- 研究问题
- 当有限维参数由条件矩不等式进行集合识别时，如何依据渐近功效选择检验统计量、权重及核估计带宽？
- 方法与思路
- 作者推导 CvM 型检验的渐近功效近似，并结合 KS 检验的功效结果，比较统计量、加权方式与核带宽选择。
- 材料陈述的贡献
- 摘要称，在论文考虑的设定中，KS 检验优于 CvM 检验，截断方差加权优于有界加权，为检验设计提供依据。
- 阅读关注点
- 应核对功效比较对应的局部备择、矩函数的限制、权重截断方式，以及统计量和带宽最优性的具体判准。
- 阅读边界
- 仅据所给出版社摘要，不能确定比较结论的完整条件；所述偏好限于论文设定，不能推广为所有矩不等式问题的排序。
原文摘要
This paper derives asymptotic approximations to the power of Cramer–von Mises (CvM) style tests for inference on a finite dimensional parameter defined by conditional moment inequalities in the case where the parameter is set identified. Combined with power results for Kolmogorov–Smirnov (KS) tests, these results can be used to choose the optimal test statistic, weighting function and, for tests based on kernel estimates, kernel bandwidth. The results show that, in the setting considered here, KS tests are preferred to CvM tests, and that a truncated variance weighting is preferred to bounded weightings.