RELEVANT MOMENT SELECTION UNDER MIXED IDENTIFICATION STRENGTH
混合识别强度下的相关矩条件选择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：摘要研究一般矩条件模型的识别强度与模型选择，没有明确面板、因果、时间序列或金融领域的专门对象。
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…
混合识别强度下的相关矩条件选择
- 研究问题
- 当候选矩条件模型包含不同识别强度、参数估计收敛速度也不同时，如何构造能够一致选择最佳模型的准则？
- 方法与思路
- 作者以两步有效 GMM 为基准，将参数估计的收敛速度和渐近分布熵纳入选择准则，并提出一族惩罚函数。
- 材料陈述的贡献
- 摘要称既有相关矩选择在混合识别强度下不一致，新准则配合适当惩罚可保证选择一致性，并用模拟评估表现。
- 阅读关注点
- 应核对最佳模型的定义、局部趋零矩函数的设定、收敛速度与分布熵的计算，以及惩罚函数的一致性条件。
- 阅读边界
- 仅据所给 Crossref 摘要，不能确定准则的具体实现、最佳模型的实际含义或有限样本改善幅度，其他版本变化未说明。
原文摘要
This paper proposes a robust moment selection method aiming to pick the best model even if this is a moment condition model with mixed identification strength, that is, moment conditions including moment functions that are local to zero uniformly over the parameter set. We show that the relevant moment selection procedure of Hall et al. (2007, Journal of Econometrics 138, 488–512) is inconsistent in this setting as it does not explicitly account for the rate of convergence of parameter estimation of the candidate models which may vary. We introduce a new moment selection procedure based on a criterion that automatically accounts for both the convergence rate of the candidate model’s parameter estimate and the entropy of the estimator’s asymptotic distribution. The benchmark estimator that we consider is the two-step efficient generalized method of moments estimator, which is known to be efficient in this framework as well. A family of penalization functions is introduced that guarantees the consistency of the selection procedure. The finite-sample performance of the proposed method is assessed through Monte Carlo simulations.