GMM, GEL, Serial Correlation, and Asymptotic Bias
GMM、GEL、序列相关与渐近偏差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：摘要以具有序列相关的平稳时间序列模型为研究对象，并分析 HAC 权重和平滑矩条件的影响，因此归入时间序列方法。
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
GMM、GEL、序列相关与渐近偏差
- 研究问题
- 在具有序列相关的平稳时间序列中，GMM 与平滑 GEL 的二阶渐近偏差由哪些成分构成，核函数和 HAC 权重如何影响它们？
- 方法与思路
- 作者分析使用 HAC 正定权重矩阵的 GMM，以及基于平滑矩条件的 GEL，推导二阶渐近偏差并比较各偏差项的来源。
- 材料陈述的贡献
- 摘要称，平滑 GEL 可消除矩函数与其导数相关造成的偏差项，三阶矩偏差依赖核函数；无序列相关时部分估计量也可能受益。
- 阅读关注点
- 阅读时应核对平滑与 HAC 的带宽及核函数要求、二阶展开的适用条件，并确认被消除的偏差项与剩余偏差如何共同影响推断。
- 阅读边界
- 摘要讨论的是特定条件下的二阶渐近偏差，未给出有限样本误差或总体效率比较；不能据此认定 GEL 在所有情形下优于 GMM。
原文摘要
For stationary time series models with serial correlation, we consider generalized method of moments (GMM) estimators that use heteroskedasticity and autocorrelation consistent (HAC) positive definite weight matrices and generalized empirical likelihood (GEL) estimators based on smoothed moment conditions. Following the analysis of Newey and Smith (2004) for independent observations, we derive second order asymptotic biases of these estimators. The inspection of bias expressions reveals that the use of smoothed GEL, in contrast to GMM, removes the bias component associated with the correlation between the moment function and its derivative, while the bias component associated with third moments depends on the employed kernel function. We also analyze the case of no serial correlation, and find that the seemingly unnecessary smoothing and HAC estimation can reduce the bias for some of the estimators.