标题： 广义贝叶斯在条件矩约束模型中的应用 显示英文标题

标题： Generalized Bayes in Conditional Moment Restriction Models

摘要： 本文开发了一个广义的（准）贝叶斯框架，用于条件矩约束模型，其中感兴趣的参数是内生变量的非参数结构函数。 我们建立了高斯过程先验的一类收缩率，并提供了在该条件下准贝叶斯后验的伯恩斯坦-冯米塞斯定理成立的条件。 因此，我们证明了最优加权的准贝叶斯可信集能够实现精确的渐近频率覆盖，扩展了参数GMM模型的经典结果。 作为应用，我们使用智利工厂层面的数据估计企业层面的生产函数。 模拟结果说明了广义贝叶斯估计量相对于常见替代方法的优越性能。 显示英文摘要

摘要： This paper develops a generalized (quasi-) Bayes framework for conditional moment restriction models, where the parameter of interest is a nonparametric structural function of endogenous variables. We establish contraction rates for a class of Gaussian process priors and provide conditions under which a Bernstein-von Mises theorem holds for the quasi-Bayes posterior. Consequently, we show that optimally weighted quasi-Bayes credible sets achieve exact asymptotic frequentist coverage, extending classical results for parametric GMM models. As an application, we estimate firm-level production functions using Chilean plant-level data. Simulations illustrate the favorable performance of generalized Bayes estimators relative to common alternatives.