The robust F-statistic as a test for weak instruments
作为弱工具变量检验的稳健 F 统计量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。
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：摘要聚焦一般线性工具变量与 GMM 的弱识别诊断，没有明确的因果应用、面板结构或其他所列领域证据。
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
作为弱工具变量检验的稳健 F 统计量
- 研究问题
- 单一内生变量的线性模型中，稳健 F 统计量能否在特定广义矩估计框架下用于检验弱工具变量及其偏差风险？
- 方法与思路
- 作者将基于 Nagar 偏差的有效 F 检验推广至一类线性 GMM 估计量，并研究以第一阶段残差构造权重矩阵的 GMMf。
- 材料陈述的贡献
- 摘要称标准稳健 F 属于广义有效 F 统计量类；在所述分组数据设计中，GMMf 的偏差表现优于两阶段最小二乘。
- 阅读关注点
- 应核对各 F 统计量对应的估计量及偏差基准，尤其关注稳健 F 较大、有效 F 较小时能够支持何种推断结论。
- 阅读边界
- 仅据所给 OpenAlex 摘要，不能把较大的稳健 F 当作两阶段最小二乘可靠的通用保证；偏差优势仅涉及所述设计。
原文摘要
For the linear model with a single endogenous variable, (Montiel Olea and Pflueger 2013) proposed the effective F-statistic as a test for weak instruments in terms of the Nagar bias of the two-stage least squares (2SLS) or limited information maximum likelihood (LIML) estimator relative to a benchmark worst-case bias. We show that their methodology for the 2SLS estimator applies to a class of linear generalized method of moments (GMM) estimators with an associated class of generalized effective F-statistics. The standard robust F-statistic is a member of this class. The associated GMMf estimator, with the extension “f” for first-stage, has the weight matrix based on the first-stage residuals. In the grouped-data IV designs of Andrews (2018) with moderate and high levels of endogeneity and where the robust F-statistic is large but the effective F-statistic is small, the GMMf estimator is shown to behave much better in terms of bias than the 2SLS estimator.