Multi-Threshold Structural Equation Model
多阈值结构方程模型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：摘要明确使用工具变量估计内生变量的因果系数，并允许子群之间存在多阈值变化。
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
多阈值结构方程模型
- 研究问题
- 当因果回归参数在不同子群之间存在多个未知结构变化时，如何利用工具变量确定阈值数量与位置，并估计内生变量的因果系数？
- 方法与思路
- 作者在两阶段最小二乘程序中加入多变化点检测，确定阈值数量及位置后使用 Wald 方法估计系数，并研究相应渐近性质。
- 材料陈述的贡献
- 摘要称，在技术假设下建立参数估计的一致性及因果系数的渐近正态性，并通过模拟和菲律宾农户数据展示方法及应用发现。
- 阅读关注点
- 应核对工具变量有效性、阈值变量和子群划分的设定，以及阈值数量选择与位置估计的不确定性如何影响后续因果系数推断。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要；工具变量条件、阈值分离要求及农户应用的新发现未说明，不能确认具体因果结论或推断刊本变化。
原文摘要
In this article, we consider the instrumental variable estimation for causal regression parameters with multiple unknown structural changes across subpopulations. We propose a multiple change point detection method to determine the number of thresholds and estimate the threshold locations in the two-stage least square procedure. After identifying the estimated threshold locations, we use the Wald method to estimate the parameters of interest, that is, the regression coefficients of the endogenous variable. Based on some technical assumptions, we carefully establish the consistency of estimated parameters and the asymptotic normality of causal coefficients. Simulation studies are included to examine the performance of the proposed method. Finally, our method is illustrated via an application of the Philippine farm households data for which some new findings are discovered.