A doubly corrected robust variance estimator for linear GMM
线性 GMM 的双重修正稳健方差估计量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：摘要提供通用线性 GMM 方差与推断理论，未明确指向面板、因果或其他所列应用领域。
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…
线性 GMM 的双重修正稳健方差估计量
- 研究问题
- 在线性 GMM 中，如何同时修正估计权重矩阵和过度识别带来的方差估计偏差，并允许矩条件误设？
- 方法与思路
- 作者为一步、两步和迭代线性 GMM 提出双重方差修正，在常见有限样本权重修正之外加入过度识别偏差修正。
- 材料陈述的贡献
- 摘要称该修正兼顾正确设定下的推断改进与矩条件误设下的稳健性，而常规方差及原有修正在误设下不一致。
- 阅读关注点
- 应核对两类修正项的来源、误设下估计目标与极限分布，以及不同 GMM 版本的方差公式和实施条件。
- 阅读边界
- 仅依据所给出版社摘要；摘要未给出误设形式、正则条件和有限样本改善幅度，不能认为其适用于所有 GMM。
原文摘要
We propose a new finite sample corrected variance estimator for the linear generalized method of moments (GMM) including the one-step, two-step, and iterated estimators. Our formula also corrects the over-identification bias in variance estimation on top of the commonly used finite sample correction of Windmeijer (2005), which corrects the bias from estimating the efficient weight matrix, so is doubly corrected. An important feature of the proposed double correction is that it automatically provides robustness to misspecification of the moment condition. In contrast, the conventional variance estimator and the Windmeijer correction are inconsistent under misspecification. That is, the double correction formula proposed in this paper provides a convenient way to obtain improved inference under correct specification and robustness against misspecification at the same time.