Testing Subsets of Structural Parameters in the Instrumental Variables
工具变量回归中结构参数子集的检验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：核心是通用工具变量回归的参数子集检验，教育回报仅为应用，尚不足以将方法限定到所列细分领域。
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
工具变量回归中结构参数子集的检验
- 研究问题
- 在工具变量回归中，只检验部分结构参数时，如何构造渐近分布对工具变量质量稳健的检验统计量和置信集？
- 方法与思路
- 作者提出针对参数子集的拉格朗日乘子与似然比统计量，分析其渐近分布，并在教育回报数据中构造置信集。
- 材料陈述的贡献
- 摘要称统计量的渐近分布对工具变量质量稳健，教育回报的95%置信集与常用2SLS Wald方法结果明显不同。
- 阅读关注点
- 应核对工具变量质量稳健性的精确定义、其余内生变量所需的工具有效性条件，以及干扰参数如何处理。
- 阅读边界
- 摘要明确要求工具变量对其余内生变量有效；未说明全部渐近条件，置信集不同也不能单独证明某种方法在所有维度更优。
原文摘要
We develop Lagrange multiplier and likelihood ratio statistics to test hypotheses on subsets of the structural parameters in an instrumental variables regression model. The asymptotic distributions of these statistics are robust to instrument quality. A key assumption is, however, that the instruments are valid for the remaining endogenous variables. We show that the statistics lead to 95% confidence sets for the return on education in data from Card (1995) that are considerably different from the confidence sets that result from the 2SLS Wald statistic, which is the common statistic used in the literature. 2004 President and Fellows of Harvard College and the Massachusetts Institute of Technology.