Tests based on t-statistics for IV regression with weak instruments
弱工具变量回归中基于 t 统计量的检验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：摘要研究通用工具变量回归中的弱识别检验，没有明确的因果效应目标或其他所列领域应用，暂不细分。
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…
弱工具变量回归中基于 t 统计量的检验
- 研究问题
- 工具变量与内生解释变量相关性很弱时，条件 t 检验如何保持检验能力，传统双侧检验的功效问题能否通过调整得到改善？
- 方法与思路
- 作者分析单侧条件 2SLS 与 Fuller t 检验，并利用弱工具变量下条件零分布的不对称性，构造新的双侧 t 统计量检验。
- 材料陈述的贡献
- 摘要称单侧检验在所考察弱工具情形下表现良好；新双侧检验近似无偏，并在部分比较中可达到条件似然比检验的表现。
- 阅读关注点
- 应核对条件化方式、工具变量旋转不变性、功效包络的比较范围，以及双侧检验如何利用分布不对称性和控制检验尺寸。
- 阅读边界
- 仅依据所给出版社摘要；摘要未说明完整模型条件和数值设计。“可达到 CLR 表现”是作者的限定性陈述，不能理解为普遍优越。
原文摘要
This paper considers tests of the parameter of an endogenous variable in an instrumental variables regression model. The focus is on one-sided conditional t-tests. Theoretical and numerical work shows that the conditional 2SLS and Fuller t-tests perform well even when instruments are weakly correlated with the endogenous variable. When the population F-statistic is as small as two, their power is reasonably close to the power envelopes for similar and non-similar tests which are invariant to rotation transformations of the instruments. This finding is surprising considering the bad performance of two-sided conditional t-tests found in Andrews et al. (2007). We show these tests have bad power because the conditional null distributions of t-statistics are asymmetric when instruments are weak. Taking this asymmetry into account, we propose two-sided tests based on t-statistics. These novel tests are approximately unbiased and can perform as well as the conditional likelihood ratio (CLR) test.