Testing conditional moment restriction models using empirical likelihood
利用经验似然检验条件矩限制模型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：摘要研究一般条件矩模型与经验似然推断，内生性表述不足以确定具体因果或结构应用。
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
利用经验似然检验条件矩限制模型
- 研究问题
- 对于由条件矩限制定义的模型，如何构造参数检验和模型设定检验，同时减少经验似然约束数量及显式标准化需求？
- 方法与思路
- 作者提出经验似然检验，使约束数量由参数维度决定，覆盖非线性内生协变量和不可分变换模型，并通过模拟考察表现。
- 材料陈述的贡献
- 摘要称似然比统计量无需显式学生化即可渐近枢轴化，模拟尺寸接近名义水平，并另行提出模型设定检验。
- 阅读关注点
- 应核对条件矩如何转为经验似然约束、渐近结论依赖的条件，以及与其他经验似然和两阶段最小二乘的比较范围。
- 阅读边界
- 摘要未列出约束构造及有效性条件；无需事先知道内生变量与工具变量的关系，不意味着无需工具变量有效性限制。
原文摘要
Summary An empirical likelihood test is proposed for parameters of models defined by conditional moment restrictions, such as models with nonlinear endogenous covariates, with and without heteroscedastic errors and non-separable transformation models. The number of empirical likelihood constraints is given by the size of the parameter, unlike alternative semi-parametric approaches. We show that the empirical likelihood ratio test is asymptotically pivotal, without explicit studentization. A simulation study shows that the observed size is close to the nominal level, unlike alternative empirical likelihood approaches. It also offers a major advantage over two-stage least-squares, because the relationship between endogenous and instrumental variables does not need to be known. An empirical likelihood model specification test is also proposed.