OPTIMAL INVARIANT INFERENCE WHEN THE NUMBER OF INSTRUMENTS IS LARGE
工具变量数量较大时的最优不变推断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：摘要研究多工具变量模型的一般渐近推断与效率理论，没有提供因果研究设计或特定经济应用，故不指定领域细分。
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
工具变量数量较大时的最优不变推断
- 研究问题
- 在工具变量数量随样本量发散的高斯线性工具变量模型中，旋转不变推断能够达到怎样的渐近效率界，哪些程序可实现该界？
- 方法与思路
- 作者刻画旋转不变性限制所诱导模型的极限实验，以此推导渐近效率界，并分析基于有限信息最大似然估计的推断程序。
- 材料陈述的贡献
- 摘要称，旋转不变推断的渐近效率界可以推导，且基于有限信息最大似然估计的程序能够达到这些界限。
- 阅读关注点
- 应核对工具数量的增长率、工具强度和高斯设定，理解旋转不变性限制的含义，并确认达到效率界的具体程序及适用条件。
- 阅读边界
- 仅据所给 Crossref 版本摘要，工具强度、增长条件和推断构造未说明；效率结论限于所述不变程序类别，不能推广至所有程序。
原文摘要
This paper studies the asymptotic behavior of a Gaussian linear instrumental variables model in which the number of instruments diverges with the sample size. Asymptotic efficiency bounds are obtained for rotation invariant inference procedures and are shown to be attainable by procedures based on the limited information maximum likelihood estimator. The bounds are obtained by characterizing the limiting experiment associated with the model induced by the rotation invariance restriction.