VALIDITY OF SUBSAMPLING AND “PLUG-IN ASYMPTOTIC” INFERENCE FOR PARAMETERS DEFINED BY MOMENT INEQUALITIES
矩不等式参数的子抽样与代入式渐近推断有效性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：摘要研究矩不等式与等式下的一般推断有效性，未指定微观行为模型或其他具体应用，仅凭可能未识别不足以分类。
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…
矩不等式参数的子抽样与代入式渐近推断有效性
- 研究问题
- 对于由矩不等式和等式定义、可能未被识别的参数，如何保证检验和置信区间的一致渐近有效性，处理逐点极限分布的不连续性？
- 方法与思路
- 作者针对指定统计量类别，研究子抽样、m 取自 n 的 bootstrap 和代入式渐近推断，允许相依观测及已识别参数的预先一致估计。
- 材料陈述的贡献
- 摘要称，上述方法的检验和置信区间具有一致渐近有效性，且无需指定矩条件的具体形式，并要求有限的 2＋δ 阶矩。
- 阅读关注点
- 应核对统计量类别、分布类和相依条件、子样本规模规则，以及预估参数如何影响有效性，并区分逐点与一致渐近结论。
- 阅读边界
- 仅据所给 Crossref 版本摘要，统计量和其他正则条件未列出；有限 2＋δ 阶矩不能单独理解为全部条件，也不保证有限样本覆盖。
原文摘要
This paper considers inference for parameters defined by moment inequalities and equalities. The parameters need not be identified. For a specified class of test statistics, this paper establishes the uniform asymptotic validity of subsampling, m out of n bootstrap, and “plug-in asymptotic” tests and confidence intervals for such parameters. Establishing uniform asymptotic validity is crucial in moment inequality problems because the pointwise asymptotic distributions of the test statistics of interest have discontinuities as functions of the true distribution that generates the observations. The size results are quite general because they hold without specifying the particular form of the moment conditions—only 2 + δ moments finite are required. The results allow for independent and identically distributed (i.i.d.) and dependent observations and for preliminary consistent estimation of identified parameters.