TWO-STEP GMM ESTIMATION OF THE ERRORS-IN-VARIABLES MODEL USING HIGH-ORDER MOMENTS
利用高阶矩的测量误差模型两步 GMM 估计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：摘要集中于通用测量误差与高阶矩 GMM，没有明确的微观结构、面板或宏观金融研究场景。
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
利用高阶矩的测量误差模型两步 GMM 估计
- 研究问题
- 研究多个解释变量存在测量误差时，如何利用高阶矩中的过度识别信息构造简约的两步 GMM 估计。
- 方法与思路
- 作者剔除准确测量变量的影响，利用所得残差高阶矩估计，并调整协方差矩阵以计入残差生成步骤。
- 材料陈述的贡献
- 摘要称给出两步及最优 GMM 所需调整，并推导涉及 GMM 估计量与另行计算统计量的函数分布。
- 阅读关注点
- 应核对测量误差与方程误差的独立性、各阶矩存在条件，以及生成残差修正和矩阶数选择的影响。
- 阅读边界
- Crossref 摘要称部分模拟使用至七阶矩可降低平均绝对误差，但未给出数值或设计，不能推广为一般优势。
原文摘要
We consider a multiple mismeasured regressor errors-in-variables model where the measurement and equation errors are independent and have moments of every order but otherwise are arbitrarily distributed. We present parsimonious two-step generalized method of moments (GMM) estimators that exploit overidentifying information contained in the high-order moments of residuals obtained by “partialling out” perfectly measured regressors. Using high-order moments requires that the GMM covariance matrices be adjusted to account for the use of estimated residuals instead of true residuals defined by population projections. This adjustment is also needed to determine the optimal GMM estimator. The estimators perform well in Monte Carlo simulations and in some cases minimize mean absolute error by using moments up to seventh order. We also determine the distributions for functions that depend on both a GMM estimate and a statistic not jointly estimated with the GMM estimate.