Identification of a class of index models: A topological approach
一类指数模型的识别：拓扑方法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：摘要明确将非参数识别结果应用于加性随机效用模型，涉及离散选择与结构模型识别。
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
一类指数模型的识别：拓扑方法
- 研究问题
- 能否借助一般拓扑结果，在对模型函数和分布施加较弱限制、且不要求回归变量大支撑的情况下建立非参数识别？
- 方法与思路
- 作者提出基于一般拓扑结果的证明策略，为一类指数模型建立识别结果，并应用于加性随机效用与竞争风险模型。
- 材料陈述的贡献
- 摘要称相较既有证明策略，新方法所需的函数和分布条件显著更弱，尤其不要求回归变量满足大支撑条件。
- 阅读关注点
- 应核对指数模型的准确范围、规范化与其余支撑要求，并逐项比较新旧识别条件以及两个应用中的条件对应。
- 阅读边界
- 摘要未列明拓扑定理与完整识别条件；不要求大支撑不等于无需支撑限制，也不能据此推断估计方法或收敛性质。
原文摘要
Summary We establish nonparametric identification in a class of so-called index models by using a novel approach that relies on general topological results. Our proof strategy requires substantially weaker conditions on the functions and distributions characterising the model than those required by existing strategies; in particular, it does not require any large-support conditions on the regressors of our model. We apply the general identification result to additive random utility and competing risk models.