全部版块 我的主页
论坛 经济学人 二区 外文文献专区
2499 69
2022-04-26
英文标题:
《Discordant Relaxations of Misspecified Models》
---
作者:
D\\\'esir\\\'e K\\\'edagni and Lixiong Li and Isma\\\"el Mourifi\\\'e
---
最新提交年份:
2021
---
英文摘要:
  In many set-identified models, it is difficult to obtain a tractable characterization of the identified set. Therefore, empirical works often construct confidence regions based on an outer set of the identified set. Because an outer set is always a superset of the identified set, this practice is often viewed as conservative yet valid. However, this paper shows that, when the model is refuted by the data, a nonempty outer set could deliver conflicting results with another outer set derived from the same underlying model structure, so that the results of outer sets could be misleading in the presence of misspecification. We provide a sufficient condition for the existence of discordant outer sets which covers models characterized by intersection bounds and the Artstein (1983) inequalities. We also derive sufficient conditions for the non-existence of discordant submodels, therefore providing a class of models for which constructing outer sets cannot lead to misleading interpretations. In the case of discordancy, we follow Masten and Poirier (2020) by developing a method to salvage misspecified models, but unlike them we focus on discrete relaxations. We consider all minimum relaxations of a refuted model which restores data-consistency. We find that the union of the identified sets of these minimum relaxations is misspecification-robust and has a new and intuitive empirical interpretation.
---
中文摘要:
在许多集识别模型中,很难获得识别集的可处理特征。因此,经验工作通常基于识别集的外部集合构造置信区域。因为外部集合总是已识别集合的超集,所以这种做法通常被视为保守而有效。然而,本文表明,当模型被数据驳斥时,一个非空的外部集可能会产生与来自同一底层模型结构的另一个外部集相冲突的结果,因此外部集的结果可能会在存在错误指定的情况下产生误导。我们给出了不协调外集存在的一个充分条件,该外集覆盖了以交界和Artstein(1983)不等式为特征的模型。我们还推导了不协调子模型不存在的充分条件,因此提供了一类构造外部集不会导致错误解释的模型。在不一致的情况下,我们遵循Masten和Poirier(2020)的方法,开发了一种修复错误指定模型的方法,但与他们不同的是,我们专注于离散松弛。我们考虑了一个被驳斥模型的所有最小松弛,它能恢复数据的一致性。我们发现,这些最小松弛的确定集合的并集是错误规定的稳健的,并且有一个新的直观的经验解释。
---
分类信息:

一级分类:Economics        经济学
二级分类:Econometrics        计量经济学
分类描述:Econometric Theory, Micro-Econometrics, Macro-Econometrics, Empirical Content of Economic Relations discovered via New Methods, Methodological Aspects of the Application of Statistical Inference to Economic Data.
计量经济学理论,微观计量经济学,宏观计量经济学,通过新方法发现的经济关系的实证内容,统计推论应用于经济数据的方法论方面。
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-4-26 15:35:23
错误指定模型的不协调松弛*爱荷华州州立大学、约翰·霍普金斯大学和多伦多大学及NBERAbstract。在许多集识别模型中,很难获得识别集的易于处理的特征。因此,实证工作通常基于已识别集合的一个外部集合构建置信域。由于外部集合始终是已识别集合的辅助集合,因此这种做法通常被视为保守而有效。然而,本文表明,当模型被数据驳斥时,一个非空的外部集可能会产生与来自同一基础模型结构的另一个外部集相冲突的结果,因此外部集的结果可能会在存在误判的情况下被误导。我们给出了不协调外集存在的一个充分条件,该外集覆盖了以交界和Artstein(1983)不等式为特征的模型。我们还推导了不协调子模型不存在的充分条件,因此提供了一类构造外部集不会导致错误解释的模型。在不一致的情况下,我们遵循Masten和Poirier(2020)的方法,开发了一种修复错误模型的方法,但与他们不同的是,我们专注于离散松弛。我们考虑一个被驳斥的模型的所有最小松弛,以恢复数据的一致性。我们发现,这些最小松弛的确定集合的结合是不明确的,并且具有新的直观的经验解释。关键词:部分识别、识别/外部集、误判、非冲突假设、稳健识别集。JEL学科分类:C12、C21、C26。1.
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-4-26 15:35:29
引言经济模型结构估计的一个核心挑战是,由于多重均衡或数据的可观测性收缩,假设结构往往无法识别数据的单一生成过程。在这种情况下,部分识别模型的计量经济学一直试图获得与日期兼容的参数的易于处理的特征:目前的版本截至2021 12月3日。这篇论文包含了同一作者之前发表的一篇工作论文(现已退役),题为:“使用无条件力矩限制的边界治疗效应”穆里感谢康诺和SSHRC Insight Grants#435-2018-1273的支持。所有的错误都是我们的。+爱荷华州立大学经济系。电子邮件:dkedagni@iastate.edu通讯地址:约翰·霍普金斯大学经济系。电子邮件:lix Long。li@jhu.edu*多伦多大学和NBER经济系。电子邮件:伊斯梅尔。穆里菲e@utoronto.ca.2错误指定模型的不协调松弛可用数据,并维持假设(以下为确定集)。在应用工作中,一个特别相关的问题是,通常很难找到身份集的可处理特征,然后为其获得有效的信任记录。为了避免这种困难,大部分文献都试图为外部集合提供信任区域,即包含已识别集合但也可能包含其他值的感兴趣参数的值集合。由于其可处理性,当感兴趣的参数仅被部分识别时,为外部集构造置信域已在各种研究主题中得到证实,例如,见Blundell等人。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-4-26 15:35:36
(2007年)、西利贝托和塔梅尔(20 09)、奥杰霍、布尼和霍茨(2017年)、盛(2020年)、德·保拉、理查兹·舒比克和塔默(2018年)、迪克斯坦和莫拉莱斯(2018年)、霍诺尔和胡(2020年)、切希尔和罗森(2020年)等。在大多数实证研究中,获得一个紧密的外部集合通常被解释为一个小且信息丰富的识别集合的证据;这是因为,在正确的定义下,任何外部集都包含识别集。然而,当初始模型本身被错误定义时,估计外部集可能会产生非常误导的结果。本文的第一个主要贡献是描述一类部分识别的模型,当初始模型被错误指定时,我们总是可以找到至少两个非空的外部集合,它们无法检测到初始模型的违反,并且彼此不一致。我们证明了不同的模型,对于这些模型,识别集具有交集界、条件矩不等式或Artstein(1983)不等式的特征。这是这类模型的负面结果。它表明,在存在误判的情况下——由于识别集表征的不可处理性,通常无法直接测试误判——外部集提供的结果完全可以由研究人员选择构造该外部集的一系列限制条件驱动,我们总是可以考虑另一种限制选择,它提供的结果与研究人员最初提供的结果相矛盾。然而,不和谐的子模型并不存在于所有被驳斥的模型中。然后,我们导出了不协调子模型不存在的充分条件。第二个结果描述了一类模型的特征,对于这些模型,构造外部集合不会导致错误的解释。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-4-26 15:35:43
在这种情况下,外部集是保守的,但总是稳健的。在我们之前,各种论文都在关注部分识别模型中的误判。一个重要的重点是分析模型错误对用于集合识别模式ls的标准置信区域的影响。Bugni、Canay和Guggenberger(2012)分析了在局部模型错误定义下,运动不平等模型的常用推断方法的行为。Ponomareva和Tamer(2011年)以及Kaido和White(2013年)分别在具有区间值结果的线性回归模型和一些非参数动量的框架中,考虑了误判对半参数部分识别模型的影响。有关详细讨论,请参见Molinar i(2020年)。这里的紧密外部集合指的是非常小且信息丰富的外部集合。错误指定模型的不协调松弛3不平等被正确地描述,错误指定是由于参数函数形式。参见Allen和Rehbeck(2020),他们提出了一种统计推断方法,用于解释拟线性效用模型中的聚合数据所需的最小近似误差。值得注意的是,如果一个人试图为一个外部集合找到一个信任区域,那么任何推理方法,包括在引用前的论文中开发的方法,都无法解决我们在这里提出的问题。这是因为从同一基础模型结构派生的两个非空外部集可能会导致不一致的结果。在不检查基础模型的有效性的情况下采用这些外部集合之一可能会导致误导性结论。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-4-26 15:35:49
在此之前,我们需要在本文中提出一种更原始的方法来处理这些不一致的结果。这一目标导致了我们的第二个主要贡献,即提供了一种方法来保存由于不一致的不一致的不一致的子模型或不一致的非空外部集而可能被错误指定的模型。主要的直觉是通过移除不协调的子模型,直到所有剩余的子模型都兼容,从而构造完整模型的一些最小松弛。因为有多种方法可以放松模型以恢复数据一致性,所以我们采用所有这些放松模型的识别集的并集。通过这样做,我们构造了所有误码鲁棒界。我们提供了我们的误判鲁棒界存在的一般充分条件,并为其提供了一种新的直观的经验解释。直观地说,如果一个假设与所有数据一致的放松模型都是相容的,那么我们会说该假设对误判是稳健的。误判鲁棒界概念与Andrews和Kwon(2019)中引入的最小松弛识别集有关,可被视为Masten和Poirier(20)中引入的falsi fifification adaptiveset c概念的特例。与Masten和Poirier(2020)的主要区别在于,我们专注于离散的放松,而Masten和Poirier(2020)专注于以连续的方式唯一放松的假设。一般来说,椎间盘网或持续放松的使用取决于仔细观察的经验应用。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群