Asymptotically Optimal Tests Using Limited Information and Testing for Exogeneity
使用有限信息的渐近最优检验与外生性检验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：摘要明确研究动态联立方程中的弱外生性与强外生性检验，直接涉及动态模型分析。
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
使用有限信息的渐近最优检验与外生性检验
- 研究问题
- 在线性动态联立方程模型中，何时可以仅用有限信息统计量对弱外生性作渐近最优检验，并与完全信息程序等价？
- 方法与思路
- 作者分解弱外生性与维持的过度识别限制之联合假设，推导混合隐函数和约束方程型参数假设可分离的必要充分条件。
- 材料陈述的贡献
- 摘要称，可分离性使有限信息与完全信息的弱外生性检验渐近等价；论文还推广既有条件并讨论强外生性检验的影响。
- 阅读关注点
- 应核对维持的过度识别限制、子假设可分离性的定义与条件，并区分渐近最优性、信息等价及强外生性的结论。
- 阅读边界
- 仅依据所给 Crossref 摘要；具体检验统计量与模型条件未说明，不能推断有限信息方法在有限样本中同样等价。
原文摘要
By appropriately partitioning the joint hypothesis of weak exogeneity and the maintained overidentifying restrictions in the linear dynamic simultaneous equations model and showing that the component subhypotheses are separable, asymptotically optimal tests for the weak exogeneity hypothesis may be constructed using limited information statistics. A necessary and sufficient condition for the separability of parametric hypotheses of the mixed implicit function and constraint equation type is derived which generalizes conditions previously obtained in the literature. Consequently, limited and full information procedures for testing the weak exogeneity hypothesis are asymptotically equivalent. The impact of these results for testing strong exogeneity in the linear dynamic simultaneous equations model is also explored.