异质性与非线性下子集 Anderson-Rubin 检验的均匀有效性
计量经济学
2025-07-03 v1 统计理论
统计理论
摘要
我们考虑针对一般非线性时刻限制的 Anderson-Rubin (AR) 统计量。该统计量基于对 null 条件下未约束参数子集的连续更新估计器 (CUE) 的准则函数。我们对数据分布采用非参数方法，对 null 下施加参数化时刻限制。我们证明，基于 AR 统计量的子集检验和置信区间在包括具有一般形式异质性的时刻限制的广泛分布范围内具有均匀有效性。我们指出，AR 基于的检验在参数未识别、部分识别、弱识别或强识别时具有正确的渐近尺度。我们通过对 CUE 的一阶条件应用新颖的扰动和正则化方法构建上界，从而获得这些结果。我们的理论适用于�截面数据和时间序列数据，不要求时间序列情形下的平稳性，也不要求�截面情形下的同质性。
关键词
引用
@article{arxiv.2507.01167,
title = {Uniform Validity of the Subset Anderson-Rubin Test under Heteroskedasticity and Nonlinearity},
author = {Atsushi Inoue and Òscar Jordà and Guido M. Kuersteiner},
journal= {arXiv preprint arXiv:2507.01167},
year = {2025}
}