Sensitivity analysis using approximate moment condition models
利用近似矩条件模型进行敏感性分析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：核心是通用矩条件误设推断，汽车需求应用不足以确定所列领域细分。
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
利用近似矩条件模型进行敏感性分析
- 研究问题
- 当矩条件可能存在小幅误设时，如何同时考虑估计偏差与抽样不确定性，构造接近最优的置信区间？
- 方法与思路
- 作者在 GMM 权重选择中纳入潜在误设偏差，并使用考虑偏差的临界值构造区间，推导局部误设下的推断效率界。
- 材料陈述的贡献
- 摘要称建立近最优区间及效率界，并讨论矩条件选择的推断限制；汽车需求应用中，调整权重可使区间缩短三倍或更多。
- 阅读关注点
- 应核对允许误设的集合与尺度、偏差临界值和权重矩阵的计算，以及近最优性的评价标准和矩选择结论。
- 阅读边界
- 所给 Crossref 摘要未说明误设集合及覆盖条件，应用中的区间缩短幅度不能泛化，也不能据此推断刊本变化。
原文摘要
We consider inference in models defined by approximate moment conditions. We show that near‐optimal confidence intervals (CIs) can be formed by taking a generalized method of moments (GMM) estimator, and adding and subtracting the standard error times a critical value that takes into account the potential bias from misspecification of the moment conditions. In order to optimize performance under potential misspecification, the weighting matrix for this GMM estimator takes into account this potential bias and, therefore, differs from the one that is optimal under correct specification. To formally show the near‐optimality of these CIs, we develop asymptotic efficiency bounds for inference in the locally misspecified GMM setting. These bounds may be of independent interest, due to their implications for the possibility of using moment selection procedures when conducting inference in moment condition models. We apply our methods in an empirical application to automobile demand, and show that adjusting the weighting matrix can shrink the CIs by a factor of 3 or more.