Testing conditional moment restrictions
条件矩限制的检验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限制检验，未明确给出因果、结构方程、时间序列或其他细分领域的应用设定。
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
条件矩限制的检验
- 研究问题
- 当已知函数含未知有限维参数时，如何检验其给定可观测变量的条件期望为零，并刻画检验对局部偏离的反应？
- 方法与思路
- 作者构造基于平滑经验似然的检验，研究原假设下的渐近正态性和局部备择分布，并用模拟考察小样本表现。
- 材料陈述的贡献
- 摘要称得到原假设及局部备择下的渐近分布，并具有某种大样本最优性；模拟证据提示其小样本表现也较好。
- 阅读关注点
- 应核对平滑与带宽条件、未知参数的处理方式、局部备择的形式，以及最优性所采用的比较标准和模拟设计。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明最优性定义、具体条件和模拟数值，不能据此声称普遍优于其他检验。
原文摘要
Let (x,z) be a pair of observable random vectors. We construct a new "smoothed" empirical likelihood-based test for the hypothesis $\E\{ g(z,\break \theta)|x \} = 0$ w.p.1, where g is a vector of known functions and $\theta$ an unknown finite-dimensional parameter. We show that the test statistic is asymptotically normal under the null hypothesis and derive its asymptotic distribution under a sequence of local alternatives. Furthermore, the test is shown to possess an optimality property in large samples. Simulation evidence suggests that it also behaves well in small samples.