کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5095855 1376488 2015 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Asymptotically exact inference in conditional moment inequality models
ترجمه فارسی عنوان
استنتاج دقیق در مدل های نابرابری لحظه ای شرطی؟
ترجمه چکیده
این مقاله نرخ همگرایی و توزیع نامتقارن را برای یک کلاس از آزمون آمار سبک کولموگروف - اسمیرنوف برای مدل های نابرابری لحظه ای مشروط برای پارامترهای مرز مجموعه مشخص شده در شرایط عمومی فراهم می کند. با استفاده از این نتایج، من تست هایی را پیشنهاد می کنم که قوی تر از رویکردهای موجود برای انتخاب مقادیر بحرانی برای این آمار تست هستند. من مقدار بهبود قدرت را با نشان دادن اینکه تست های جدید می توانند جایگزین هایی را پیدا کنند که به مجموعه های شناسایی با سرعت بیشتری نسبت به آنچه که توسط روش های موجود تشخیص داده می شود، تشخیص دهند. مطالعات مونت کارلو تایید می کند که تست ها و تقریب های تقریبی آن ها در نمونه های محدود انجام می شود. در یک برنامه کاربردی برای رفع مخارج مصرف داروهای تجویزی در درآمد با داده های فاصله از مطالعه بهداشت و بازنشستگی، مناطق اطمینان براساس آزمایش های جدید، به طور قابل توجهی قوی تر از آنهایی است که براساس روش های موجود است.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات آمار و احتمال
چکیده انگلیسی
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.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Econometrics - Volume 186, Issue 1, May 2015, Pages 51-65
نویسندگان
,