Robust Permutation Tests in Linear Instrumental Variables Regression
线性工具变量回归中的稳健置换检验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。
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：摘要研究工具变量排除限制和识别稳健推断，与因果推断中的工具变量方法直接相关，但未提供具体应用场景。
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
线性工具变量回归中的稳健置换检验
- 研究问题
- 在线性工具变量回归中，如何构造对识别问题和条件异方差稳健的置换检验，并区分正交与独立条件下的保证？
- 方法与思路
- 作者构造 AR、LM 和 CLR 检验的置换版本，在工具变量与误差正交下研究渐近性质，并在独立条件下分析 AR 精确性。
- 材料陈述的贡献
- 摘要称三类检验在正交条件下渐近相似且对条件异方差稳健，置换 AR 在独立条件下精确并对重尾稳健。
- 阅读关注点
- 应核对置换对象与统计量构造、弱识别和异方差的处理，以及正交下渐近保证与独立下有限样本保证的条件差异。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未列出完整正则条件，精确性与重尾结论不能泛化至所有检验。
原文摘要
This paper develops permutation versions of identification-robust tests in linear instrumental variables (IV) regression. Unlike the existing randomization and rank-based tests in which independence between the instruments and the error terms is assumed, the permutation Anderson- Rubin (AR), Lagrange Multiplier (LM) and Conditional Likelihood Ratio (CLR) tests are asymptotically similar and robust to conditional heteroskedasticity under standard exclusion restriction i.e. the orthogonality between the instruments and the error terms. Moreover, when the instruments are independent of the structural error term, the permutation AR tests are exact, hence robust to heavy tails. As such, these tests share the strengths of the rank-based tests and the wild bootstrap AR tests. Numerical illustrations corroborate the theoretical results.