Uniform Inference in Linear Error-in-Variables Models: Divide-and-Conquer
线性测量误差模型中的一致推断：分而治之方法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：摘要聚焦通用线性测量误差估计，企业投资应用不足以支持归入所列资产定价、面板或因果方向。
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
线性测量误差模型中的一致推断：分而治之方法
- 研究问题
- 在线性测量误差模型中，如何避免传统高阶矩估计依赖潜在解释变量系数非零的限制，并处理该系数接近或等于零的情形？
- 方法与思路
- 作者提出基于分而治之原则的新估计器，并在投资、存在测量误差的 Tobin’s q 与现金流关系中考察其应用表现。
- 材料陈述的贡献
- 摘要称，新估计器对潜在变量系数的任何取值均一致；应用中部分时期 q 的效应不显著，传统高阶矩估计的异常大值随之消失。
- 阅读关注点
- 应核对分而治之的具体构造、测量误差与矩条件，以及题名所称一致推断的严格含义和零系数附近置信区间的有效性。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收。摘要明确陈述一致估计，但未说明一致推断定理、具体假设或数值结果。
原文摘要
It is customary to estimate error-in-variables models using higher-order moments of observables. This moments-based estimator is consistent only when the coefficient of the latent regressor is assumed to be non-zero. We develop a new estimator based on the divide-and-conquer principle that is consistent for any value of the coefficient of the latent regressor. In an application on the relation between investment, (mismeasured) Tobin's $q$ and cash flow, we find time periods in which the effect of Tobin's $q$ is not statistically different from zero. The implausibly large higher-order moment estimates in these periods disappear when using the proposed estimator.