Partial identification and inference in moment models with incomplete data
不完整数据矩模型中的部分识别与推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确讨论潜在结果、个体处理效应及其分布和分位数的部分识别与推断。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
不完整数据矩模型中的部分识别与推断
- 研究问题
- 数据不足以识别变量联合分布时，如何对矩等式模型中的目标参数推断，特别是个体处理效应分布及潜在结果相关性？
- 方法与思路
- 作者将问题表示为含点识别干扰参数和部分识别 copula 的半参数矩等式模型，结合形状限制与乘子自助法构造置信集。
- 材料陈述的贡献
- 摘要称，所构造置信集具有渐近有效性，并将方法用于处理效应分布、分位数及潜在结果相关性等参数的推断。
- 阅读关注点
- 应核对不完整数据的具体形式、copula 形状限制如何改变识别集，以及干扰参数估计和自助临界值的理论条件。
- 阅读边界
- 依据所给 RePEc 出版社摘要，不能判断形状限制是否适合特定应用，也未给出置信集宽度、覆盖率或完整的有效性条件。
原文摘要
In this paper, we develop asymptotically valid inference in moment equality models with incomplete data, where the sample information is insufficient to identify the joint distribution of all the variables in the model. Examples of such models include the selection-on-observables framework, the counterfactual distribution, and parametric regressions with incomplete data. In the first two examples, the parameter of interest includes the values of the distribution and quantile functions of the individual treatment effect and the correlation coefficient of the potential outcomes. We show that the parameter of interest satisfies a semiparametric moment equality model with both point identified nuisance parameters and a partially identified copula function. We construct an asymptotically valid confidence set for the parameter of interest taking account of shape restrictions on the copula function. The critical value is constructed via a multiplier bootstrap. A simulation study is conducted to illustrate the finite sample performance of our inference procedure.