Confidence Intervals in Linear Structural Errors-In-Variables Models Without Identifiability Assumptions
Inference in linear structural errors-in-variables models (SEIVM) with univariate observations usually requires assuming an identifiability condition. However, identifiability conditions are not required when higher order sample moments are used. We revisit method-of-moments estimators of the slope in linear SEIVMs based on the sample moments of order up to four and establish self-normalized CLTs for these estimators under some most general moment conditions on the explanatory variables and measurement errors. We investigate finite-sample properties of the readily available corresponding asymptotic confidence intervals (CI) for the slope and compare them to those of a few CIs scarcely available in the literature under no identifiability assumptions.
Intervalles de confiance dans les modèles linéaires structuraux à erreurs dans les variables sans hypothèses d'identifiabilité
Dans les modèles linéaires structuraux à erreurs dans les variables (SEIVM) avec des observations univariées, l'inférence nécessite généralement de supposer une condition d'identifiabilité. Cependant, les conditions d'identifiabilité ne sont pas nécessaires lorsque des moments d'échantillonnage d'ordre supérieur sont utilisés. Nous réexaminons les estimateurs de la méthode des moments de la pente dans les SEIVM linéaires basés sur les moments d'échantillon d'ordre inférieur ou égal à quatre et établissons des TCL auto-normalisés pour ces estimateurs sous certaines conditions de moments les plus générales sur les variables explicatives et les erreurs de mesure. Nous étudions les propriétés sur échantillon fini des intervalles de confiance (IC) asymptotiques correspondants facilement disponibles pour la pente et les comparons à ceux de quelques IC peu disponibles dans la littérature sous aucune hypothèse d'identifiabilité.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais