Standard Errors for Calibrated Parameters
校准参数的标准误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：摘要直接研究结构模型校准参数的估计与推断，并应用于多产品企业定价模型。
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…
校准参数的标准误
- 研究问题
- 结构模型校准所用经验矩的相关结构未知、仅能估计各矩方差时，如何构造参数的不确定性度量与限制检验？
- 方法与思路
- 作者将校准视为最小距离估计，依据各经验矩的方差推导最坏相关结构下的保守推断，并研究过度识别时的矩选择。
- 材料陈述的贡献
- 摘要称方法提供保守标准误与置信区间，将最坏情形方差最小化转为矩选择问题，并构造过度识别及参数限制检验。
- 阅读关注点
- 应核对最坏相关结构的可行范围、矩方差估计与渐近近似的条件，以及矩选择规则和两类限制检验的具体构造。
- 阅读边界
- 这是预印本，同行评审及期刊接收未获核实；摘要未说明正则条件、区间保守程度或两项结构模型应用的数值结果。
原文摘要
Calibration, the practice of choosing the parameters of a structural model to match certain empirical moments, can be viewed as minimum distance estimation. Existing standard error formulas for such estimators require a consistent estimate of the correlation structure of the empirical moments, which is often unavailable in practice. Instead, the variances of the individual empirical moments are usually readily estimable. Using only these variances, we derive conservative standard errors and confidence intervals for the structural parameters that are valid even under the worst-case correlation structure. In the over-identified case, we show that the moment weighting scheme that minimizes the worst-case estimator variance amounts to a moment selection problem with a simple solution. Finally, we develop tests of over-identifying or parameter restrictions. We apply our methods empirically to a model of menu cost pricing for multi-product firms and to a heterogeneous agent New Keynesian model.