误设模型的冲突性松弛
计量经济学
2024-04-30 v5
摘要
在许多集合识别模型中，难以获得识别集的可处理刻画。因此，研究者常依赖非锐识别条件，实证结果常基于识别集的一个外集。这种做法常被视为保守但有效，因为外集总是识别集的超集。然而，本文表明，当模型被数据证伪时，由同一模型导出的两组非锐识别条件可能导致不相交的外集与相互冲突的实证结果。我们给出了这种冲突性存在的充分条件，其涵盖由条件矩不等式与 Artstein (1983) 不等式刻画的模型。我们还推导了不存在冲突子模型的充分条件，从而提供了一类构造外集不会导致误导性解释的模型。在冲突情形下，我们遵循 Masten 和 Poirier (2021) 开发一种挽救误设模型的方法，但不同于他们，我们聚焦于离散松弛。我们考虑一个被证伪模型的所有恢复数据一致性的最小松弛。我们发现这些最小松弛的识别集之并对于可检测的误设具有稳健性，并且具有直观的实证解释。
引用
@article{arxiv.2012.11679,
title = {Discordant Relaxations of Misspecified Models},
author = {Lixiong Li and Désiré Kédagni and Ismaël Mourifié},
journal= {arXiv preprint arXiv:2012.11679},
year = {2024}
}