GENERALIZED EMPIRICAL LIKELIHOOD–BASED MODEL SELECTION CRITERIA FOR MOMENT CONDITION MODELS
基于广义经验似然的矩条件模型选择准则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：摘要讨论通用无条件矩模型与模型选择，没有提供可归入所列应用方向的证据。
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
基于广义经验似然的矩条件模型选择准则
- 研究问题
- 无条件矩模型能否用广义经验似然统计量构建模型选择准则，并从信息论角度解释选择规则及其对参数估计的影响？
- 方法与思路
- 作者以 GEL 统计量替代既有准则中的 J 统计量，建立矩条件模型选择方法，并用蒙特卡洛实验考察选择与估计表现。
- 材料陈述的贡献
- 摘要称新准则揭示参数与半参数模型选择共同的信息论依据，并为 GMM 模型提供基于 GEL 的模型选择替代方案。
- 阅读关注点
- 应核对准则的统计量与惩罚项、候选模型及矩条件的设定，并检查是否具有选择一致性以及选择后估计的理论保障。
- 阅读边界
- 仅据所给出版社摘要，无法判断惩罚项形式、成立条件或选择一致性；蒙特卡洛部分也未说明各准则的具体数值表现。
原文摘要
This paper proposes model selection criteria (MSC) for unconditional moment models using generalized empirical likelihood (GEL) statistics. The use of GEL-statistics in lieu of J-statistics (in the spirit of Andrews, 1999, Econometrica 67, 543–564; and Andrews and Lu, 2001, Journal of Econometrics 101, 123–164) leads to an alternative interpretation of the MSCs that emphasizes the common information-theoretic rationale underlying model selection procedures for both parametric and semiparametric models. The result of this paper also provides a GEL-based model selection alternative to the information criteria–based nonnested tests for generalized method of moments models considered in Kitamura (2000, University of Wisconsin). The results of a Monte Carlo experiment are reported to illustrate the finite-sample performance of the selection criteria and their impact on parameter estimation.The authors gratefully acknowledge support from the NSF (Hong: SES-0079495, Shum: SES-0003352) and the Fellowship of Woodrow Wilson Scholars (Preston). We thank the co-editor Don Andrews, Xiaohong Chen, John Geweke, Bo Honore, Yuichi Kitamura, Serena Ng, Harry Paarsch, Gautam Tripathi, and two anonymous referees for insightful suggestions and helpful comments.