Weak Identification in Low-Dimensional Factor Models with One or Two Factors
单因子与双因子低维模型中的弱识别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：摘要研究通用低维因子模型的弱识别，家庭投入应用不足以归入宏观因子或金融因子方向。
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
单因子与双因子低维模型中的弱识别
- 研究问题
- 如何重参数化包含一个或两个因子的低维模型，区分弱识别与强识别参数，使子向量假设能够采用识别稳健检验？
- 方法与思路
- 作者将低维因子模型重参数化以适配广义矩估计的弱识别理论，并据此使所谓 plug-in 检验可用于子向量假设。
- 材料陈述的贡献
- 摘要称，所给重参数化使 plug-in 检验可实施，模拟中较原参数化下的识别稳健检验更少保守，并提供家庭投入应用。
- 阅读关注点
- 应核对哪些参数被划为弱识别、重参数化的适用范围、子向量检验的水平保证，以及模拟中保守程度的比较口径。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列出模型限制及识别条件，也未支持向更多因子的直接推广。
原文摘要
This paper describes how to reparameterize low-dimensional factor models with one or two factors to fit weak identification theory developed for generalized method of moments models. Some identification-robust tests, here called "plug-in" tests, require a reparameterization to distinguish weakly identified parameters from strongly identified parameters. The reparameterizations in this paper make plug-in tests available for subvector hypotheses in low-dimensional factor models with one or two factors. Simulations show that the plug-in tests are less conservative than identification-robust tests that use the original parameterization. An empirical application to a factor model of parental investments in children is included.