A general diagnostic of the normal approximation in GMM models
GMM 模型中正态近似的一般诊断方法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：摘要提出适用于一般 GMM 模型的分布诊断，未提供足以归入所列具体应用领域的文本依据。
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
GMM 模型中正态近似的一般诊断方法
- 研究问题
- 在弱工具变量或边界参数等可能破坏常规近似的情形下，研究者如何诊断 GMM 推断所依赖的正态近似是否可信？
- 方法与思路
- 作者从准贝叶斯参数分布抽样，借助 MCMC 展示分布形状并量化偏离正态的程度，同时报告替代估计与可信集。
- 材料陈述的贡献
- 摘要称，该方法易于实施，在三篇已有研究中发现明显非正态性，并展示一个正态近似良好的例子，作为常规报告前的诊断。
- 阅读关注点
- 应核对准贝叶斯分布及先验的构造、非正态性度量、MCMC 收敛诊断，以及可信集与频率学覆盖率之间的关系。
- 阅读边界
- 摘要未给出诊断的理论保证、判定阈值或覆盖率结果；准贝叶斯分布偏离正态，不自动等同于估计量抽样分布的同等偏离。
原文摘要
Summary This paper proposes a diagnostic method for evaluating the quality of the normal approximation in generalized method of moments (GMM) models through sampling from a quasi-Bayesian parameter distribution. GMM estimates are consistent and asymptotically normal under certain regularity conditions, and researchers often assume normality when conducting inference. However, the literature has identified several violations to the normal approximation, such as in cases with weak instruments or parameters on boundaries. We apply our diagnostic and find meaningful deviations from normality in three well-cited papers, which include examples of well-known violations. We also illustrate one example where the normal approximation works well. Our method is convenient to implement using Markov chain Monte Carlo algorithms and serves as a sanity check for researchers before reporting GMM estimates and standard errors. It enables visualization of the quasi-Bayesian distribution, quantification of deviations from normality, and reporting of alternative estimates and credible sets.