Inference for subvectors and other functions of partially identified parameters in moment inequality models
矩不等式模型中部分识别参数的子向量及其他函数推断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。
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：摘要属于通用矩不等式推断理论，未提供足以归入所列应用细分领域的证据。
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…
矩不等式模型中部分识别参数的子向量及其他函数推断
- 研究问题
- 在矩等式与不等式模型中，如何直接对部分识别参数的子向量或函数进行推断，并兼顾统一尺寸控制与检验功效？
- 方法与思路
- 作者提出基于自助法的推断方法：双侧检验限于线性参数函数，单侧检验允许非线性函数，并与投影和子抽样方法比较。
- 材料陈述的贡献
- 摘要称，该方法在较大分布类上统一控制渐近尺寸，并在所述比较范围内改善功效，通常降低计算负担或调参敏感性。
- 阅读关注点
- 应核对统一有效性的分布类、功效支配结论的限定范围、函数限制，以及自助法实施步骤和调节参数要求。
- 阅读边界
- 仅据所给OpenAlex版本摘要，不能将功效比较推广到任意模型或设置；计算与调参优势也非普遍保证，刊本变化未知。
原文摘要
This paper introduces a bootstrap-based inference method for functions of the parameter vector in a moment (in)equality model. These functions are restricted to be linear for two-sided testing problems, but may be nonlinear for one-sided testing problems. In the most common case, this function selects a subvector of the parameter, such as a single component. The new inference method we propose controls asymptotic size uniformly over a large class of data distributions and improves upon the two existing methods that deliver uniform size control for this type of problem: projection-based and subsampling inference. Relative to projection-based procedures, our method presents three advantages: (i) it weakly dominates in terms of finite sample power, (ii) it strictly dominates in terms of asymptotic power, and (iii) it is typically less computationally demanding. Relative to subsampling, our method presents two advantages: (i) it strictly dominates in terms of asymptotic power (for reasonable choices of subsample size), and (ii) it appears to be less sensitive to the choice of its tuning parameter than subsampling is to the choice of subsample size.