Instrumental Variable Treatment of Nonclassical Measurement Error Models
非经典测量误差模型的工具变量处理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：摘要研究非经典测量误差模型的一般识别与估计，所给文本不足以对应列表中的某一具体领域细分。
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…
关注这篇论文的作者
非经典测量误差模型的工具变量处理
- 研究问题
- 在缺少准确测量的辅助样本时，工具变量能否识别连续变量的非经典、非线性测量误差模型，并支持估计？
- 方法与思路
- 作者对特定联合密度对应的积分算子作特征值—特征函数分解，以给定真实解释变量时误差位置量为零来索引特征函数，并提出筛估计。
- 材料陈述的贡献
- 摘要称，工具变量可识别一大类此类模型；作者给出筛估计及其渐近性质，并以蒙特卡洛模拟考察有限样本表现。
- 阅读关注点
- 阅读全文时应核对工具变量条件、位置归一化如何确定特征函数索引，以及识别唯一性与筛估计渐近结果各自所需的假设。
- 阅读边界
- 上述结论仅为摘要所述；摘要未说明工具变量的完整限制、正则条件、模拟设定及有限样本结果，适用边界仍需核对。
原文摘要
While the literature on nonclassical measurement error traditionally relies on the availability of an auxiliary data set containing correctly measured observations, we establish that the availability of instruments enables the identification of a large class of nonclassical nonlinear errors-in-variables models with continuously distributed variables. Our main identifying assumption is that, conditional on the value of the true regressors, some “measure of location” of the distribution of the measurement error (e.g., its mean, mode, or median) is equal to zero. The proposed approach relies on the eigenvalue–eigenfunction decomposition of an integral operator associated with specific joint probability densities. The main identifying assumption is used to “index” the eigenfunctions so that the decomposition is unique. We propose a convenient sieve-based estimator, derive its asymptotic properties, and investigate its finite-sample behavior through Monte Carlo simulations.