校准参数的标准误

该论文将结构模型校准理解为最小距离或矩匹配估计，研究当研究者只能获得各经验矩方差、无法获得完整协方差矩阵时，如何对校准参数进行有效且保守的统计推断。许多宏观和结构经济学应用会组合不同数据集、不同论文或复杂估计过程得到的矩，完整相关结构往往不可得。论文证明，仅凭各矩方差即可构造在最坏相关结构下有效的参数标准误和置信区间；在过识别情形下，使最坏情形估计方差最小的权重问题等价于一个简单的矩选择问题，可通过中位数回归形式计算。论文还提出参数限制和过识别限制检验，并把方法应用于多产品企业菜单成本模型和异质主体新凯恩斯模型。研究的重要含义是，校准不必停留于非正式敏感性分析；即使协方差信息有限，也可以进行透明、可复现、保守而有信息量的统计推断。