Et Discussion Paper er en foreløpig versjon av et forskningsarbeid som forfatterne ønsker diskusjon rundt og innspill på, før de eventuelt reviderer og prøver å få publisert en endelig versjon i et vitenskapelig tidsskrift. Discussion papers blir kommentert av andre forskere i SSB før publisering, men både konklusjoner og metodevalg står for forfatterens egen regning.

Selv om den eksisterende panelestimatoren (LIML) håndterer simultanitetsproblemet, er LIML-estimatoren fortsatt inkonsistent og ineffisient, og den mangler et rammeverk for statistisk inferens som tar hensyn til parameterbegrensninger. Vi utvikler en GMM-estimator (C-GMM) som er konsistent, og vi utleder den asymptotiske variansen til estimatoren som også er gyldig på randen av parameterrommet. Videre anvender vi likelihood ratio-teststatistikken til Ketz (2018) for å gjennomføre inferens på randen, og vi viser at konfidensintervallene får bedre dekningsgrad på eller nær randen sammenlignet med inferensmetoder basert på normalfordelingen. En Monte Carlo-studie bekrefter konsistensen til C-GMM-estimatoren og viser at den i betydelig grad reduserer skjevhet (bias) og RMSE (root mean squared error) relativt til LIML-estimatoren. C-GMM-estimatoren har videre en høy dekningsgrad for konfidensintervaller på tvers av et bredt spekter av utvalgsstørrelser og parameterverdier.