Estimating Separable Matching Models
可分离匹配模型的估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要以可转移效用匹配模型及其参数估计为对象，直接对应微观结构估计。
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
可分离匹配模型的估计
- 研究问题
- 如何为具有可转移、可分离效用的匹配模型提供简便估计方法，并利用常见模型的特殊结构降低实施复杂度？
- 方法与思路
- 作者提出基于匹配广义熵的最小距离估计，并对较特殊的 Choo–Siow 模型进行重写，使用含双向固定效应的广义线性模型。
- 材料陈述的贡献
- 摘要明确提供两种匹配模型估计途径，其中广义线性模型方法适用于所述特殊模型，未报告精度或计算效率的比较结果。
- 阅读关注点
- 应核对效用可分离性的含义、广义熵与观测匹配数量的关系、参数识别条件，以及两种估计方法各自的适用范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出渐近性质、标准误或实证结果，不能仅凭简便性判断估计优势。
原文摘要
In this paper we propose two simple methods to estimate models of matching with transferable and separable utility introduced in Galichon and Salanié (2022). The first method is a minimum distance estimator that relies on the generalized entropy of matching. The second relies on a reformulation of the more special but popular Choo and Siow (2006) model; it uses generalized linear models (GLMs) with two-way fixed effects.