IDENTIFICATION OF THE BINARY CHOICE MODEL WITH MISCLASSIFICATION
存在误分类的二元选择模型识别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：摘要直接研究因变量误分类情况下二元选择模型的半参数识别。
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
存在误分类的二元选择模型识别
- 研究问题
- 当二元因变量可能把零与一相互误记，误分类概率又以未知方式依赖协变量且误差分布未知时，模型能否半参数识别？
- 方法与思路
- 作者在二元响应测量存在误分类的框架下研究半参数识别，允许误分类概率未知地依赖模型协变量，并保持误差分布未知。
- 材料陈述的贡献
- 摘要称，即便误分类概率随协变量以未知方式变化、误差分布也未知，二元响应模型仍可获得半参数识别。
- 阅读关注点
- 应核对识别针对哪些参数或函数、协变量支撑与模型限制，以及哪些条件能够区分真实响应机制和误分类机制。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定识别所需的具体条件；不能将允许未知误分类函数理解为对任意数据结构均无条件识别。
原文摘要
Misclassification in binary choice (binomial response) models occurs when the dependent variable is measured with error, that is, when an actual “one” response is sometimes recorded as a zero and vice versa. This paper shows that binary response models with misclassification are semiparametrically identified, even when the probabilities of misclassification depend in unknown ways on model covariates and the distribution of the errors is unknown.