COMPARISON OF INFERENTIAL METHODS IN PARTIALLY IDENTIFIED MODELS IN TERMS OF ERROR IN COVERAGE PROBABILITY
按覆盖概率误差比较部分识别模型的推断方法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：摘要研究通用矩条件部分识别推断的覆盖误差，没有明确对应所列微观、宏观或金融细分方向。
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
按覆盖概率误差比较部分识别模型的推断方法
- 研究问题
- 对矩等式或不等式定义的部分识别模型，自助法、子抽样和渐近近似达到目标覆盖概率的速度有何差别？
- 方法与思路
- 作者比较三类推断方法的覆盖概率误差收敛率，并用蒙特卡洛模拟考察这些渐近差异在有限样本中的相关性。
- 材料陈述的贡献
- 摘要称在一定条件下，自助法与渐近近似的覆盖误差同阶收敛，且快于子抽样；模拟支持这些差异具有有限样本意义。
- 阅读关注点
- 应核对覆盖对象是识别集中的元素还是整个集合，以及误差展开、矩条件和子抽样规模选择对比较结论的影响。
- 阅读边界
- 仅据所给 Crossref 摘要；具体收敛率与成立条件未说明，不能声称自助法在所有部分识别问题中均更优。
原文摘要
This paper considers the problem of coverage of the elements of the identified set in a class of partially identified econometric models with a prespecified probability. In order to conduct inference in partially identified econometric models defined by moment (in)equalities, the literature has proposed three methods: bootstrap, subsampling, and asymptotic approximation. The objective of this paper is to compare these methods in terms of the rate at which they achieve the desired coverage level, i.e., in terms of the rate at which the error in the coverage probability (ECP) converges to zero. Under certain conditions, we show that the ECP of the bootstrap and the ECP of the asymptotic approximation converge to zero at the same rate, which is a faster rate than that of the ECP of subsampling methods. As a consequence, under these conditions, the bootstrap and the asymptotic approximation produce inference that is more precise than subsampling. A Monte Carlo simulation study confirms that these results are relevant in finite samples.