Estimation of sample selection models with spatial dependence
具有空间依赖的样本选择模型估计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：摘要明确以空间 Probit 建模选择方程，直接涉及离散选择；空间误差依赖本身不足以认定网络干扰。
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…
具有空间依赖的样本选择模型估计
- 研究问题
- 当样本选择模型的误差存在空间自回归依赖时，如何构造选择偏误修正，并处理选择方程与结果方程的参数关联？
- 方法与思路
- 作者从空间 Probit 与逆米尔斯比率修正的两步思路出发，因修正项依赖结果方程参数而采用广义矩联合估计。
- 材料陈述的贡献
- 摘要提出空间自回归误差下的样本选择估计方法，并通过模拟考察有限样本性质，另提供一个经验应用示例。
- 阅读关注点
- 应核对空间权重矩阵、误差与选择机制的设定、逆米尔斯比率的推导，以及联合矩条件和参数识别的依据。
- 阅读边界
- 仅据所给 Crossref 版本摘要，空间依赖限制、工具或排除变量要求以及模拟结果均未说明，不能判断修正效果。
原文摘要
SUMMARY We consider the estimation of a sample selection model that exhibits spatial autoregressive errors (SAE). Our methodology is motivated by a two‐step strategy where in the first step we estimate a spatial probit model and in the second step (outcome equation) we include an estimated inverse Mills ratio (IMR) as a regressor to control for selection bias. Since the appropriate IMR under SAE depends on a parameter from the second step, both steps are jointly estimated employing the generalized method of moments. We explore the finite sample properties of the estimator using simulations and provide an empirical illustration. Copyright © 2010 John Wiley & Sons, Ltd.