Enhanced Power Enhancements for Testing Many Moment Equalities: Beyond the 2- and ∞-norm
多重矩等式检验的功效增强：超越二范数与无穷范数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：摘要的具体应用是具有大量工具变量的线性工具变量模型，因而关联因果推断；其矩等式检验理论本身具有更广适用性。
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…
多重矩等式检验的功效增强：超越二范数与无穷范数
- 研究问题
- 检验候选参数是否满足大量矩等式时，如何兼顾不同形态的备择，使功效增强不只针对稠密与稀疏两类偏离？
- 方法与思路
- 作者综合从二范数到无穷范数的各类 p 范数信息构造检验，并在多工具变量的线性工具变量模型中说明一般结果。
- 材料陈述的贡献
- 摘要称组合检验对严格多于任一单独 p 范数检验的备择具有一致性，也扩展了通常仅组合两个端点范数的适用范围。
- 阅读关注点
- 应核对范数组合及临界值构造、检验水平控制、备择集合的比较定义，以及多工具变量示例中矩条件和渐近要求。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；一致性覆盖更广不等于所有有限样本备择下功效更高，具体条件与比较结果未列出。
原文摘要
Tests based on the 2- and ∞-norm have received considerable attention in high-dimensional testing problems, as they are powerful against dense and sparse alternatives, respectively. The power enhancement principle of Fan et al. (2015) combines these two norms to construct improved tests that are powerful against both types of alternatives. In the context of testing whether a candidate parameter satisfies a large number of moment equalities, we construct tests that harness the strength of all p-norms with p∈[2,∞]. As a result, these tests are consistent against strictly more alternatives than any test based on a single p-norm. In particular, our tests are consistent against more alternatives than tests based on the 2- and ∞-norm, which is what most implementations of the power enhancement principle target.We illustrate our general results in the linear instrumental variable model with many instruments, for which we also provide numerical results and an empirical illustration.