Sieve semiparametric two-step GMM under weak dependence
弱依赖数据下的筛法半参数两步 GMMAI 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：摘要讨论通用半参数 GMM 与弱依赖理论，未明确特定时间序列、面板或经济应用，不能仅凭依赖性指定领域细分。
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
弱依赖数据下的筛法半参数两步 GMM
- 研究问题
- 第一步通过筛法估计未知干扰函数、数据又存在弱依赖时，第二步 GMM 的方差、参数检验与过度识别检验如何正确反映两类影响？
- 方法与思路
- 作者用具有简单闭式表达的筛方差近似第二步渐近方差，提出相应方差估计和检验，并以随机扰动估计非光滑矩条件期望的导数。
- 材料陈述的贡献
- 摘要称推断程序计入第一步估计和弱依赖影响，其数值计算等价于将第一步视作参数模型的程序，并提供一致的随机扰动导数估计量。
- 阅读关注点
- 应核对弱依赖与筛逼近条件、两步误差如何进入方差，以及数值等价的具体含义；还需检查非光滑矩条件导数估计的调节参数。
- 阅读边界
- 仅据所列出版社摘要，不能确定允许的依赖强度、筛维数增长规则或稳健方差的具体含义；摘要未提供有限样本性能及实施细节。
原文摘要
This paper considers semiparametric two-step GMM estimation and inference with weakly dependent data, where unknown nuisance functions are estimated via sieve extremum estimation in the first step. We show that although the asymptotic variance of the second-step GMM estimator may not have a closed form expression, it can be well approximated by sieve variances that have simple closed form expressions. We present consistent or robust variance estimation, Wald tests and Hansen’s (1982) over-identification tests for the second step GMM that properly reflect the first-step estimated functions and the weak dependence of the data. Our sieve semiparametric two-step GMM inference procedures are shown to be numerically equivalent to the ones computed as if the first step were parametric. A new consistent random-perturbation estimator of the derivative of the expectation of the non-smooth moment function is also provided.