Maintaining (Locus of) Control? Data Combination for the Identification and Inference of Factor Structure Models
控制点与数据合并：因子结构模型的识别和推断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：摘要以潜在心理特质的因子结构模型为核心，通过合并数据恢复完整模型识别，并测量其教育和工资影响，属于结构估计。
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
控制点与数据合并：因子结构模型的识别和推断
- 研究问题
- 当缺乏丰富纵向数据时，能否合并各自只识别部分似然的数据集，恢复因子结构模型识别，并研究控制点对教育和工资的影响？
- 方法与思路
- 作者把分别识别部分似然的数据集组合起来；应用中用青年样本提取进入劳动力市场前的控制点分布，再用成人样本分析教育与工资。
- 材料陈述的贡献
- 摘要提出通过数据合并恢复完整模型识别，并以蒙特卡洛实验展示表现；实证结果称，控制点对工资的影响主要经由教育传导。
- 阅读关注点
- 重点核对数据集间共同参数与可比性条件、部分似然如何组合成完整模型，以及测量控制点和区分直接与教育渠道影响的方法。
- 阅读边界
- 摘要未说明跨样本分布可迁移性、选择差异和完整识别条件，也未交代教育渠道的因果解释依据；模拟表现尚缺具体指标。
原文摘要
Factor structure models are widely used in economics to extract latent variables, such as personality traits, and to measure their impact on outcomes of interest. The identification and inference of these models, however, highly depend on the availability of rich longitudinal data. To overcome the common problem of data scarcity, this paper proposes to combine datasets that each identify some part of the likelihood, thereby recovering the identification of the complete model. The performance of the approach is demonstrated by a Monte Carlo experiment. We apply this technique empirically to study the impact of locus of control on education and wages. Our strategy allows us to elicit the distribution of pre-market locus of control from a sample of young individuals, and to measure its impact on education and wages in a sample of adults. Our findings indicate that the effect of locus of control on wages mainly operates through education. Copyright © 2015 John Wiley & Sons, Ltd.