Partially Linear Models under Data Combination
数据组合下的部分线性模型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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要核心是无法链接数据下的部分线性模型与部分识别，未明确因果目标、结构行为模型或所列其他方向，因此暂不归入细分。
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…
数据组合下的部分线性模型
- 研究问题
- 当结果变量与部分协变量分别出现在无法链接的两个数据集中时，部分线性模型能够识别什么参数范围，又如何进行统计推断？
- 方法与思路
- 作者利用最优传输工具构造尖锐识别集的刻画，再利用识别集的几何性质设计推断方法，并应用于美国历史代际收入流动性研究。
- 材料陈述的贡献
- 摘要称得到构造性的尖锐识别集和易实施的推断方法，有限样本表现良好；应用中放宽此前的排除限制并获得有信息量的置信区域。
- 阅读关注点
- 应核对两个数据集需要共享哪些信息、部分线性结构如何约束可行联合分布，以及识别集尖锐性、几何推断和计算实现的条件。
- 阅读边界
- 这是预印本，不能据此认定已同行评审或期刊接收。摘要未说明样本可比性等条件及置信区域数值，不能判断放宽限制后的信息损失。
原文摘要
We study partially linear models when the outcome of interest and some of the covariates are observed in two different datasets that cannot be linked. This type of data combination problem arises very frequently in empirical microeconomics. Using recent tools from optimal transport theory, we derive a constructive characterization of the sharp identified set. We then build on this result and develop a novel inference method that exploits the specific geometric properties of the identified set. Our method exhibits good performances in finite samples, while remaining very tractable. We apply our approach to study intergenerational income mobility over the period 1850-1930 in the United States. Our method allows us to relax the exclusion restrictions used in earlier work, while delivering confidence regions that are informative.