Best Feasible Conditional Critical Values for a More Powerful Subvector Anderson-Rubin Test

技术摘要：更具效力的子向量 Anderson-Rubin 检验的最佳可行条件临界值

问题陈述
在齐方差线性工具变量（IV）模型下，对参数子集（子向量推断）进行推断由于工具变量可能存在弱性而变得复杂。Guggenberger, Kleibergen, 和 Mavroeidis (2019) (GKM) 提出了一种条件子向量 Anderson-Rubin (AR) 检验，该检验利用数据依赖型临界值来适应扰动参数（即非测试参数）的识别强度。GKM 检验以源自 AR 统计量的非中心维希特（Wishart）矩阵的最大特征值进行条件化处理。虽然这种方法确保了正确的规模（size）并严格高于标准的渐近 $\chi^2$ 检验，但作者认为最大特征值并不是衡量识别强度的最优指标。

具体而言，较小的最大特征值能正确发出识别弱的信号，但较大的最大特征值并不一定意味着所有扰动参数都实现了强识别。在某些场景下，即使最大特征值很大，但若第二小特征值很小，扰动参数仍可能面临弱识别问题。在这种情况下，以最大特征值进行条件化处理无法充分调整临界值，从而导致检验过于保守，其效力低于所需的水平。

方法论
本文提出将子向量 AR 检验对 $p \times p$ 非中心维希特矩阵的第二小特征值 ($\hat{\kappa}_{p-1}$) 进行条件化处理，其中 $p = m_W + 1$（$m_W$ 为扰动参数的数量）。AR 统计量本身对应于最小特征值 ($\hat{\kappa}_p$)。

其核心理论贡献基于非中心维希特矩阵 $\Xi'\Xi \sim W_p(k, I_p, M'M)$ 特征值的性质：

1. 渐近等价性： 作者证明，当非中心矩阵 $M'M$ 的 $p-2$ 个最大特征值趋于无穷大时，两个最小特征值 ($\hat{\kappa}_{p-1}, \hat{\kappa}_p$) 的联合分布与一个 $2 \times 2$ 非中心维希特矩阵的特征值联合分布是相同的。
2. 自由度调整： 在此极限情况下，该 $2 \times 2$ 矩阵的自由度等于 $k - m_W + 1$（其中 $k$ 是工具变量的数量），且非中心参数对应于原 $p \times p$ 矩阵的两个最小特征值。
3. 临界值转移： 这一结果意味着，GKM 所列出的临界值函数表（其针对 $2 \times 2$ 系统以最大特征值 $\hat{\kappa}_1$ 进行条件化处理）可以直接应用于所提议的检验，只需通过替换条件变量即可：即将 $\hat{\kappa}_1$ 替换为第二小特征值 $\hat{\kappa}_{p-1}$。

为了处理 $p-2$ 个最大特征值为有限值（而非趋于无穷大）的情况，作者根据 James (1964) 和 Muirhead (2009) 的结果导出了两个最小特征值的条件概率密度函数。他们证明了检验的拒绝概率随较大特征值的增加而单调递减。因此，即使当最大特征值不是无穷大时，该检验的规模（size）仍能得到控制（受限于标称水平 $\alpha$），因为此时的拒绝概率严格低于无穷大情况下的拒绝概率。

主要贡献与结果

• 正确的规模控制： 所提议的检验在所有非中心参数配置下，通过以第二小特征值进行条件化处理，保持了正确的规模控制。
• 严格更高的效力： 当 $m_W > 1$ 时，以第二小特征值为条件得到的临界值对于相同的观测统计量而言，严格小于以最大特征值为条件得到的临界值。由于临界值更低，所提议的检验 ($\phi_{c_{p-1}}$) 比原始 GKM 检验 ($\phi_{c_1}$) 具有严格更高的效力。
• 计算可行性： 该方法保留了 GKM 方法的计算简便性。它避免了需要对更多特征值进行条件化处理，后者虽然会提高效力，但会带来难以承受的计算复杂度。
• 向异方差性的扩展： 作者展示了其研究结果可以扩展到 Guggenberger, Kleibergen, 和 Mavroeidis (2024) 提出的设定，即允许具有近似克罗内克积结构的条件异方差性。在这一稳健设定下，以第二小特征值进行条件化处理所带来的效力优势依然成立。

意义
本文声称为齐方差线性 IV 设定下的子集 AR 检验提供了“最佳可行”的方案。通过将第二小特征值识别为扰动参数弱识别的适当指标，所提议的程序能够妥善纳入 GKM 检验所忽略的弱识别信息。这使得所提议的程序在计算简单且统计效力更高的同时，特别是在扰动参数数量超过一个时表现尤为显著。作者强调，虽然从理论上讲，对更多特征值进行条件化处理可以进一步提升效力，但其计算成本过高；因此，以第二小特征值进行条件化处理代表了可行性与效力之间的最优权衡。