一种双重校正的线性GMM稳健方差估计量
A Doubly Corrected Robust Variance Estimator for Linear GMM
AI总结：
本文提出了一种双重校正的线性GMM稳健方差估计量，以提高推断的准确性和稳健性。
摘要：
我们提出了一种新的有限样本校正方差估计量，用于线性广义矩估计法（GMM），包括一步、两步和迭代估计量。我们的公式还对过度识别偏置进行了校正，以弥补Windmeijer（2005）常用的有限样本校正，该校正用于校正高效权重矩阵估计的偏置，因此是双重校正的。所提出双重校正的一个重要特点是，它自动提供了对矩条件规格不正确的稳健性。相比之下，传统方差估计量和Windmeijer校正在规格不正确时是不一致的。也就是说，所提出的双重校正公式提供了一种方便的方法，在正确规格下获得改进的推断，并在规格不正确时提供稳健性。
英文摘要：
We propose a new finite sample corrected variance estimator for the linear generalized method of moments (GMM) including the one-step, two-step, and iterated estimators. Our formula additionally corrects for the over-identification bias in variance estimation on top of the commonly used finite sample correction of Windmeijer (2005) which corrects for the bias from estimating the efficient weight matrix, so is doubly corrected. An important feature of the proposed double correction is that it automatically provides robustness to misspecification of the moment condition. In contrast, the conventional variance estimator and the Windmeijer correction are inconsistent under misspecification. That is, the proposed double correction formula provides a convenient way to obtain improved inference under correct specification and robustness against misspecification at the same time.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
