Bounding the difference between true and nominal rejection probabilities in tests of hypotheses about instrumental variables models
工具变量模型检验中真实与名义拒绝概率差的界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：摘要明确列出可能非线性的分位数工具变量模型作为方法的适用对象。
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
工具变量模型检验中真实与名义拒绝概率差的界
- 研究问题
- 对于可能非线性且工具变量强度未知的模型，如何在有限样本中控制正确原假设被拒绝的真实概率与名义概率之差？
- 方法与思路
- 作者采用非学生化的 S 检验形式，以不同的实现和分析方式建立有限样本拒绝概率误差界，并讨论工具变量强度与功效。
- 材料陈述的贡献
- 摘要称，该界不依赖工具变量强弱，也不要求模型线性或严格分布设定；方法可用于分位数工具变量模型及非参数备择检验。
- 阅读关注点
- 应核对误差界依赖的矩与样本条件、非学生化统计量和临界值构造，以及工具变量弱度如何影响检验功效。
- 阅读边界
- 仅据所给出版社摘要，弱假设的具体内容及界的紧度未说明；工具变量强度稳健的尺寸控制不能直接保证检验具有较高功效。
原文摘要
This paper presents a simple method for carrying out inference in a wide variety of possibly nonlinear IV models under weak assumptions. The method provides a finite-sample bound on the difference between the true and nominal probabilities of rejecting a correct null hypothesis. The method is a non-Studentized version of the S test of Stock and Wright (2000) but is implemented and analyzed differently. It does not require restrictive distributional assumptions, linearity of the estimated model, simultaneous equations, or information about whether the instruments are strong or weak. It can be applied to quantile IV models that may be nonlinear and can be used to test a parametric IV model against a nonparametric alternative. It provides information about the relation between the “degree of weakness” of the instruments and the power of the test. The bound presented here holds in finite samples, regardless of the strength of the instruments.