MANY INSTRUMENTS ASYMPTOTIC APPROXIMATIONS UNDER NONNORMAL ERROR DISTRIBUTIONS
非正态误差分布下的多工具变量渐近近似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：摘要提供一般工具变量估计的渐近理论，未明确因果问题或具体结构模型，细分证据不足。
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
非正态误差分布下的多工具变量渐近近似
- 研究问题
- 当工具变量数量和集中参数均随样本量同阶增长时，非正态误差如何改变 LIML 与偏差校正 2SLS 的抽样分布近似？
- 方法与思路
- 作者采用工具数量、集中参数与样本量同阶增长的渐近框架，允许非正态误差，并推导两类估计量的分布近似。
- 材料陈述的贡献
- 摘要称，该框架包含传统及既有多工具渐近结果；非正态时，工具变量性质和误差三、四阶矩通常影响渐近方差。
- 阅读关注点
- 应核对工具数量与集中参数的增长限制、工具矩阵条件、误差矩要求，以及与多弱工具框架之间的区别。
- 阅读边界
- 仅依据所给 Crossref 摘要；完整正则条件与方差公式未说明，不能判断具体数据下近似精度或估计量优劣，也不能推断版本变化。
原文摘要
In this paper we derive an alternative asymptotic approximation to the sampling distribution of the limited information maximum likelihood estimator and a bias-corrected version of the two-stage least squares estimator. The approximation is obtained by allowing the number of instruments and the concentration parameter to grow at the same rate as the sample size. More specifically, we allow for potentially nonnormal error distributions and obtain the conventional asymptotic distribution and the results of Bekker (1994, Econometrica 62, 657–681) and Bekker and Van der Ploeg (2005, Statistica Neerlandica 59, 139–267) as special cases. The results show that when the error distribution is not normal, in general both the properties of the instruments and the third and fourth moments of the errors affect the asymptotic variance. We compare our findings with those in the recent literature on many and weak instruments.