Pivotal and identification-robust nonparametric inference in linear IV models
线性工具变量模型中的枢轴型与识别稳健非参数推断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：摘要讨论通用线性工具变量检验，未明确具体因果目标、面板结构或其他可对应所给细分领域的应用对象。
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
线性工具变量模型中的枢轴型与识别稳健非参数推断
- 研究问题
- 在线性工具变量模型中，如何在识别强度未知、存在未知形式异方差且第一阶段不作参数化限制时进行推断？
- 方法与思路
- 作者修改已有统计量以直接处理异方差，构造渐近枢轴检验，并进一步提出识别稳健的子向量推断和模型设定检验。
- 材料陈述的贡献
- 摘要称，程序对识别强度和异方差稳健；子向量与设定检验具有保守性，模拟及应用显示方法计算便利且有竞争力。
- 阅读关注点
- 应核对非参数第一阶段的估计要求、枢轴极限成立的条件，以及子向量检验的保守性如何影响覆盖率和检验功效。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未列出正则条件，不能据此认定有限样本精确有效或普遍占优。
原文摘要
We develop new inference procedures for a linear IV model that are robust to identification strength and heteroskedasticity of unknown form, and nonparametric with respect to the first-stage equation. Our first test is tailored for inference on parameters of endogenous explanatory variables. Our new statistic modifies that of Antoine and Lavergne (2003) to directly account for heteroskedasticity of unknown form. As a result, it is asymptotically pivotal, so that inference is greatly facilitated in practice. We also develop (i) an identification-robust subvector inference procedure that does not rely on the knowledge of identification strength for the remaining parameters, and (ii) a pure specification test. In both cases, the tests are conservative but powerful. We show that our procedures are computationally friendly and competitive with existing ones in simulations and an application.