跳到正文
← 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:摘要属于一般约束检验与部分识别理论,未明确给出可对应所列领域细分的具体研究对象。

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
Leonard Goff
Eric Mbakop

线性不等式系统可解性的检验

研究问题
当线性等式与不等式约束的系数需要估计时,如何检验系统是否存在可行解,并处理部分识别模型中的相关推断问题?
方法与思路
作者将可解性假设转化为某个线性规划的值是否为零,据此构造 bootstrap 检验,并研究其在数据生成过程类上的一致有效性。
材料陈述的贡献
摘要称检验对较大类数据生成过程具有统一有效性,在中等样本模拟中表现良好,并通过两项实证应用展示用途。
阅读关注点
应核对线性规划表述与原假设的等价性、系数估计误差如何进入检验,以及 bootstrap 的统一有效条件和边界情形。
阅读边界
这是 arXiv 预印本,不能确认已评审或接收;摘要未列出有效性条件、应用领域或数值结果,无法判断具体模型的适用性。

原文摘要

This paper studies the problem of testing whether a system of linear equality and inequality constraints admits a solution when the coefficients of that system may have to be estimated. We show that a wide range of inferential questions in partially identified models can be formulated as hypotheses of this form. Our approach exploits an alternative characterization of the hypothesis based on whether the value of a certain linear program is equal to zero. Building on this characterization, we develop bootstrap-based testing procedures and establish their uniform validity over large classes of data-generating processes. Simulation results demonstrate good finite-sample performance, even for moderate sample sizes. We illustrate the usefulness of the approach in two empirical applications.

笔记与分组