Simulation-Based Finite-Sample Inference in Simultaneous Equations
Notice bibliographique
Résumé
In simultaneous equation (SE) contexts, nuisance parameter, weak instruments and identification problems severely complicate exact and asymptotic tests (except for very specific hypotheses). In this paper, we propose exact likelihood based tests for possibly nonlinear hypotheses on the coefficients of SE systems. We discuss a number of bounds tests and Monte Carlo simulation based tests. The latter involves maximizing a randomized p-value function over the relevant nuisance parameter space which is done numerically by using a simulated annealing algorithm. We consider limited and full information models. We extend, to non-Gaussian contexts, the bound given in Dufour (Econometrica, 1997) on the null distribution of the LR criterion, associated with possibly non-linear- hypotheses on the coefficients of one Gaussian structural equation. We also propose a tighter bound which will hold: (i) for the limited information (LI) Gaussian hypothesis considered in Dufour (1997) and for more general, possibly cross-equation restrictions in a non-Gaussian multi-equation SE system. For the specific hypothesis which sets the value of the full vector of endogenous variables coefficients in a limited information framework, we extend the Anderson-Rubin test to the non-Gaussian framework. We also show that Wang and Zivot's (Econometrica, 1998) asymptotic bounds-test may be seen as an asymptotic version of the bound we propose here. In addition, we introduce a multi-equation Anderson-Rubin-type test. Illustrative Monte Carlo experiments show that: (i) bootstrapping standard instrumental variable (IV) based criteria fails to achieve size control, especially (but not exclusively) under near non-identification conditions, and (ii) the tests based on IV estimates do not appear to be boundedly pivotal and so no size-correction may be feasible. By contrast, likelihood ratio based tests work well in the experiments performed
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,146 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».