Specification testing in random coefficient models
随机系数模型的设定检验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：摘要检验随机系数模型的结构限制，并应用于异质性随机系数需求模型，最直接对应微观结构估计与模型设定分析。
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
随机系数模型的设定检验
- 研究问题
- 如何检验随机系数模型的核心结构设定，包括系数线性、已知非线性关系，以及某个系数究竟固定、随机或可被省略？
- 方法与思路
- 作者利用特征函数的筛估计构造非参数设定检验，分析全局和局部备择下的功效，并结合蒙特卡洛与异质性需求模型应用。
- 材料陈述的贡献
- 摘要称，检验覆盖多类结构特征；需求应用发现一些反对随机系数 QUAIDS 设定的证据，但不足以在通常显著性水平下拒绝。
- 阅读关注点
- 应核对各类设定限制怎样转化为检验对象、筛维数选择、局部备择与功效分析，以及应用中的不拒绝结论如何解释。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，不拒绝不能证明设定正确；具体显著性水平、检验条件、样本信息与有限样本功效未说明。
原文摘要
In this paper, we suggest and analyze a new class of specification tests for random coefficient models. These tests allow to assess the validity of central structural features of the model, in particular linearity in coefficients, generalizations of this notion like a known nonlinear functional relationship, or degeneracy of the distribution of a random coefficient, that is, whether a coefficient is fixed or random, including whether an associated variable can be omitted altogether. Our tests are nonparametric in nature, and use sieve estimators of the characteristic function. We provide formal power analysis against global as well as against local alternatives. Moreover, we perform a Monte Carlo simulation study, and apply the tests to analyze the degree of nonlinearity in a heterogeneous random coefficients demand model. While we find some evidence against the popular QUAIDS specification with random coefficients, it is not strong enough to reject the specification at the conventional significance level.