VALID HETEROSKEDASTICITY ROBUST TESTING
有效的异方差稳健检验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：摘要研究通用异方差稳健检验的临界值与尺寸控制，没有明确的面板、因果、宏观或金融模型依据。
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…
有效的异方差稳健检验
- 研究问题
- 异方差稳健统计量采用常规渐近临界值或现有修正时可能过度拒绝，如何选择既控制尺寸又避免额外功效损失的临界值？
- 方法与思路
- 作者提出最小尺寸控制临界值，证明常用统计量下的一般存在性，给出可检查条件，并设计数值求解算法及软件实现。
- 材料陈述的贡献
- 摘要称建立临界值存在性的充分条件及部分必要条件，并数值考察检验表现；其最小性避免采用更大临界值带来的额外功效损失。
- 阅读关注点
- 应核对尺寸控制针对的误差分布与异方差集合、存在条件及设计矩阵限制，并检查数值计算如何保证临界值精度。
- 阅读边界
- 仅据所给 Crossref 版本摘要，不能推断所有设计下临界值都存在，或该检验功效普遍更高；具体条件与数值结果未说明。
原文摘要
Tests based on heteroskedasticity robust standard errors are an important technique in econometric practice. Choosing the right critical value, however, is not simple at all: conventional critical values based on asymptotics often lead to severe size distortions, and so do existing adjustments including the bootstrap. To avoid these issues, we suggest to use smallest size-controlling critical values, the generic existence of which we prove in this article for the commonly used test statistics. Furthermore, sufficient and often also necessary conditions for their existence are given that are easy to check. Granted their existence, these critical values are the canonical choice: larger critical values result in unnecessary power loss, whereas smaller critical values lead to overrejections under the null hypothesis, make spurious discoveries more likely, and thus are invalid. We suggest algorithms to numerically determine the proposed critical values and provide implementations in accompanying software. Finally, we numerically study the behavior of the proposed testing procedures, including their power properties.