GEL METHODS FOR NONSMOOTH MOMENT INDICATORS
非光滑矩函数的广义经验似然方法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。
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：摘要提供的是非光滑矩模型的通用估计与检验理论，未明确涉及分位数、离散选择或其他所列细分领域。
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…
关注这篇论文的作者
非光滑矩函数的广义经验似然方法
- 研究问题
- 当模型由非光滑矩函数刻画时，广义经验似然估计及相关过度识别、模型设定检验是否仍具有有效的一阶渐近性质？
- 方法与思路
- 作者研究包含经验似然、指数倾斜与连续更新估计的 GEL 类方法，并将光滑矩情形中的若干检验扩展至非光滑情形。
- 材料陈述的贡献
- 摘要称建立一阶大样本性质及相关检验的有效性，其中若干检验无需估计雅可比矩阵；未声称证明有限样本偏差优势。
- 阅读关注点
- 应核对允许的非光滑形式、渐近理论的正则条件，以及哪些检验能够避免雅可比估计、仍需估计哪些其他对象。
- 阅读边界
- 所给 Crossref 摘要未列明非光滑性限制、效率比较或有限样本结果；不能据背景中的 GMM 偏差讨论断言 GEL 必然更优。
原文摘要
This paper considers the first-order large sample properties of the generalized empirical likelihood (GEL) class of estimators for models specified by nonsmooth indicators. The GEL class includes a number of estimators recently introduced as alternatives to the efficient generalized method of moments (GMM) estimator that may suffer from substantial biases in finite samples. These include empirical likelihood (EL), exponential tilting (ET), and the continuous updating estimator (CUE). This paper also establishes the validity of tests suggested in the smooth moment indicators case for overidentifying restrictions and specification. In particular, a number of these tests avoid the necessity of providing an estimator for the Jacobian matrix that may be problematic for the sample sizes typically encountered in practice.