RATE-ADAPTIVE BOOTSTRAP FOR POSSIBLY MISSPECIFIED GMM
可能误设的 GMM 模型中的收敛速度自适应 BootstrapAI 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：摘要研究通用 GMM 误设与非光滑推断，没有提供足以归入指定微观、宏观或金融细分的应用依据。
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…
可能误设的 GMM 模型中的收敛速度自适应 Bootstrap
- 研究问题
- GMM 的矩条件可能不光滑、模型也可能误设时，如何在不同收敛速度和极限分布之间实现有效且统一的推断？
- 方法与思路
- 作者分析误设下光滑与非光滑 GMM 的不同渐近行为，提出收敛速度自适应 Bootstrap，以替代可能失效的标准重抽样。
- 材料陈述的贡献
- 摘要称该程序可覆盖光滑或非光滑、正确设定或误设的情形，并报告模拟置信区间覆盖率接近名义水平。
- 阅读关注点
- 应核对立方根收敛对权重矩阵的要求、自适应程序如何确定尺度，以及不同设定下分布估计有效性的具体条件。
- 阅读边界
- 仅据所给 Crossref 版本摘要，不能将立方根速度推广到任意权重估计情形；程序细节、覆盖率数值及版本变化未说明。
原文摘要
We consider inference for possibly misspecified GMM models based on possibly nonsmooth moment conditions. While it is well known that misspecified GMM estimators with smooth moments remain $\sqrt {n}$ consistent and asymptotically normal, globally misspecified nonsmooth GMM estimators are $n^{1/3}$ consistent when either the weighting matrix is fixed or when the weighting matrix is estimated at the $n^{1/3}$ rate or faster. Because the estimator’s nonstandard asymptotic distribution cannot be consistently estimated using the standard bootstrap, we propose an alternative rate-adaptive bootstrap procedure that consistently estimates the asymptotic distribution regardless of whether the GMM estimator is smooth or nonsmooth, correctly or incorrectly specified. Monte Carlo simulations for the smooth and nonsmooth cases confirm that our rate-adaptive bootstrap confidence intervals exhibit empirical coverage close to the nominal level.