Asymptotically exact inference in conditional moment inequality models
条件矩不等式模型中的渐近精确推断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：摘要核心是条件矩不等式的通用推断理论，药费与收入应用不足以确认给定列表中的因果或分布效应方向。
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
条件矩不等式模型中的渐近精确推断
- 研究问题
- 对于位于识别集边界的参数，条件矩不等式模型中的 Kolmogorov–Smirnov 型统计量如何收敛，怎样据此改善检验功效？
- 方法与思路
- 作者推导一类检验统计量的收敛速度与渐近分布，据此选择临界值，并以局部替代序列、蒙特卡洛和区间数据应用进行考察。
- 材料陈述的贡献
- 摘要称，新检验可识别更快趋近识别集的替代序列；模拟表现良好，药费与收入应用中的置信区域较已有方法明显收紧。
- 阅读关注点
- 应核对边界参数的局部条件、统计量缩放和临界值构造，区分检验水平与功效，并检查区间数据如何形成条件矩不等式。
- 阅读边界
- 仅据所给 RePEc 出版社摘要；一般条件、适用的替代序列及置信区域收紧幅度未具体说明，不据此推断版本变化。
原文摘要
This paper derives the rate of convergence and asymptotic distribution for a class of Kolmogorov–Smirnov style test statistics for conditional moment inequality models for parameters on the boundary of the identified set under general conditions. Using these results, I propose tests that are more powerful than existing approaches for choosing critical values for this test statistic. I quantify the power improvement by showing that the new tests can detect alternatives that converge to points on the identified set at a faster rate than those detected by existing approaches. A Monte Carlo study confirms that the tests and the asymptotic approximations they use perform well in finite samples. In an application to a regression of prescription drug expenditures on income with interval data from the Health and Retirement Study, confidence regions based on the new tests are substantially tighter than those based on existing methods.