Small-Sample Properties of GMM-Based Wald Tests
基于 GMM 的 Wald 检验的小样本性质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：摘要研究通用 GMM Wald 检验，商业周期模型只是数据生成机制之一，未明确对应所列领域细分。
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
基于 GMM 的 Wald 检验的小样本性质
- 研究问题
- GMM 构造的 Wald 检验在小样本中是否出现过度拒绝？联合检验的假设数量及残差谱密度矩阵的估计方式如何影响检验尺寸？
- 方法与思路
- 作者以向量白噪声过程和均衡商业周期模型作为数据生成机制，考察 Wald 统计量的小样本性质，并比较施加模型或原假设约束的谱密度估计。
- 材料陈述的贡献
- 摘要称，小样本检验尺寸常高于渐近尺寸，并随联合假设数迅速上升；作者认为主要原因是谱密度矩阵估计困难，相关约束可明显改善表现。
- 阅读关注点
- 应核对联合假设数量、样本规模与谱密度估计设定如何搭配，约束如何从模型或原假设导出，以及尺寸改善是否伴随检验功效变化。
- 阅读边界
- 摘要未给出尺寸扭曲与改善的数值，也未交代功效或约束错误时的表现；两个数据生成机制下的发现不足以保证所有 GMM 检验同样受益。
原文摘要
This article assesses the small-sample properties of generalized-method-of-moments-based Wald statistics by using (a) a vector white-noise process and (b) an equilibrium business-cycle model as the data-generating mechanisms. In many cases, the small-sample size of the Wald tests exceeds its asymptotic size and increases sharply with the number of hypotheses being jointly tested. We argue that this is mostly due to difficulty in estimating the spectral-density matrix of the residuals. Estimators of this matrix that impose restrictions implied by the model or the null hypothesis substantially improve the properties of the Wald statistics.