面向工具变量回归的尺寸无关自助 Anderson-Rubin 检验

工具变量（IV）回归的弱识别鲁棒检验通常根据工具变量的数量相对于样本量是否固定来单独开发，这迫使研究人员对渐近行为作出决定，而在实际中往往含糊不清。本文提出了一个基于自助的、尺寸无关的 Anderson-Rubin（AR）检验，能够在工具变量数量为固定或发散时实现正确的渐近大小，甚至可以容纳工具变量数量超过样本量的情况。通过引入岭正则化，我们的方法减少了投影矩阵的有效秩，并产生了 AR 统计量的限制分布可能为加权卡方、正态或其混合的情形。强近似结果确保自助程序在所有情形下都保持均匀有效，同时通过利用秩约简也获得了对现有方法的显著功效提升。