Leitura do Dia - Empirical Likelihood Estimation of Conditional Moment Restriction Models with Unknown Function

Empirical Likelihood Estimation of Conditional Moment Restriction Models with Unknown Function
Econometric Theory, (2011), 27, 114-153.

TAISUKE OTSU
Yale University

This paper proposes an empirical likelihood-based estimation method for conditional moment restriction models with unknown functions, which include several semiparametric models. Our estimator is called the sieve conditional empirical likelihood (SCEL) estimator, which is based on the methods of conditional empirical
likelihood and sieves. We derive (i) the consistency and a convergence rate of the
SCEL estimator for the whole parameter, and (ii) the asymptotic normality and efficiency of the SCEL estimator for the parametric component. As an illustrating
example, we consider a partially linear regression model with nonparametric endo-
geneity and heteroskedasticity.


Comecei a fazer uma implementação geral da metodologia do Otsu de sieve estimation. Ao contrário do meu outro projeto, a implementação foi bem tranquila e funcionou bem de primeira. Aproveitei para fazer de uma forma bem genérica, deixando a escolha do polinômio (chebyschev, hermite, laguerre, b-splines, wavelets, etc), a ordem do polinômio e outros escolhas como parâmetros da função.
Falta fazer um teste com endogeneidade e outros equações de momentos condicionais, mas acho que deve funcionar sem problemas.