کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5095700 1376480 2016 20 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Multiscale adaptive inference on conditional moment inequalities
ترجمه فارسی عنوان
استنتاج تطبیقی ​​چند ضلعی بر روی نابرابری های موقت شرطی
ترجمه چکیده
در این مقاله استنتاج برای مدل های نابرابری لحظه ای شرطی با استفاده از آمار آماری چند متغیری در نظر گرفته شده است. ما توزیع آرمپتوتیکی این آمار تست را به دست می آوریم و از نتیجه برای ارائه مقادیر بحرانی قابل قبول که دارای یک فرمول تحلیلی ساده هستند و برای اثبات روایی آستانه ای از یک روش بوت استرپ اصلاح شده استفاده می کنیم. توزیع ضریب همبستگی بسیار ارزشمندی است و اثبات استفاده از تکنیک های جدید برای غلبه بر چندین موانع فنی است. این تست، جایگزین های محلی را شناسایی می کند که به بهترین وجه بین تست های موجود در یک کلاس گسترده ای از مدل ها شناسایی شده است و سازگاری با خواص صافی پردازش داده ها را دارد. نتایج ما نیز برای استفاده از مراحل انتخاب لحظه در این تنظیمات دلالت دارد. ما یک مطالعه مونت کارلو و یک تصویر تجربی برای استنتاج در یک مدل رگرسیون با داده های سانسور شده و غیرواقعی ارائه می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات آمار و احتمال
پیش نمایش مقاله
استنتاج تطبیقی ​​چند ضلعی بر روی نابرابری های موقت شرطی
چکیده انگلیسی
This paper considers inference for conditional moment inequality models using a multiscale statistic. We derive the asymptotic distribution of this test statistic and use the result to propose feasible critical values that have a simple analytic formula, and to prove the asymptotic validity of a modified bootstrap procedure. The asymptotic distribution is extreme value, and the proof uses new techniques to overcome several technical obstacles. The test detects local alternatives that approach the identified set at the best rate among available tests in a broad class of models, and is adaptive to the smoothness properties of the data generating process. Our results also have implications for the use of moment selection procedures in this setting. We provide a Monte Carlo study and an empirical illustration to inference in a regression model with endogenously censored and missing data.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Econometrics - Volume 194, Issue 1, September 2016, Pages 24-43
نویسندگان
, ,