.png){kind=icon}
返回
A conditional linear combination test with many weak instruments
.png){kind=icon}
OA
AI
DOI：10.1016/j.jeconom.2023.105602.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们考虑了jackknife anderson-rubin (AR)，jackknife拉格朗日乘数 (LM) 和正交jackknife LM测试的线性组合，用于在具有许多弱工具和异方差的IV回归中进行推断。遵循I.Andrews (2016)，我们根据适应识别强度的决策理论规则选择线性组合中的权重。在弱识别和强识别下，所提出的测试控制渐近大小，并且在某些类别的测试中是可接受的。在强识别下，我们的线性组合测试在基于刀刀AR和LM测试构造的不变或无偏测试类别中具有针对局部替代方案的最佳能力。模拟和对Angrist和Krueger (1991) 数据集的经验应用证实了我们测试的良好功率特性。
Keyword:
Many instruments
Power
Size
Weak identification
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4
论文数:
5.3K
被引数:
3.0W
机构
引用论文
APPROXIMATE DISTRIBUTIONS OF K-CLASS ESTIMATORS WHEN THE DEGREE OF OVERIDENTIFIABILITY IS LARGE COMPARED WITH THE SAMPLE-SIZE.png)
ECONOMETRICA
ECONOMETRICAIF7.1
PREAI
分享收藏Jackknife estimation of a cluster-sample IV regression model with many weak instruments✩具有许多弱仪器的聚类样本IV回归模型的Jackknife估计
PREAI
分享收藏On the asymptotic optimality of the LIML estimator with possibly many instruments关于可能具有多种工具的LIML估计量的渐近最优性
PREAI
分享收藏
查看更多内容