Fast, Robust Inference for Linear Instrumental Variables Models using Self-Normalized Moments
利用自标准化矩的线性工具变量模型快速稳健推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要针对处理潜在内生性及工具有效性问题的线性工具变量推断，与因果推断方法直接相关。
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
利用自标准化矩的线性工具变量模型快速稳健推断
- 研究问题
- 在线性工具变量模型中，如何兼顾计算可行性与稳健覆盖，应对多工具、弱工具、潜在无效工具及条件异方差？
- 方法与思路
- 作者基于样本矩条件的自标准化构造推断，并开发半正定规划计算方法，也用于快速反演 AR、LM、CLR 等检验。
- 材料陈述的贡献
- 摘要称方法允许多类工具变量问题和多回归变量，覆盖结果具有统一性且可提供小样本保证，并给出可实施计算方案。
- 阅读关注点
- 核对无效或内生工具的容许结构、参数识别和覆盖保证的条件，以及半正定规划是否精确求解或引入松弛误差。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未列覆盖条件，不能理解为任意无效工具均可使用。
原文摘要
We propose and implement an approach to inference in linear instrumental variables models which is simultaneously robust and computationally tractable. Inference is based on self-normalization of sample moment conditions, and allows for (but does not require) many (relative to the sample size), weak, potentially invalid or potentially endogenous instruments, as well as for many regressors and conditional heteroskedasticity. Our coverage results are uniform and can deliver a small sample guarantee. We develop a new computational approach based on semidefinite programming, which we show can equally be applied to rapidly invert existing tests (e.g,. AR, LM, CLR, etc.).