Varying random coefficient models
变随机系数模型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：摘要研究住房需求随机系数异质性，并估计系数密度和潜在结果密度。
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
变随机系数模型
- 研究问题
- 当可观测特征以非线性方式影响随机系数时，如何刻画未观测异质性，并估计系数分布和潜在结果密度等对象？
- 方法与思路
- 作者将随机系数写为观测变量的非线性函数与可加未观测项，使用加权筛最小距离估计密度，并提出乘子自助法置信带。
- 材料陈述的贡献
- 摘要称，方法提供收敛速度、线性泛函的逐点极限理论和一致置信带，并以住房需求的收入弹性异质性展示应用。
- 阅读关注点
- 应核对密度识别所需的支持与依赖条件、Hermite基函数的选择、线性泛函定义，以及置信带有效性和筛维度设置。
- 阅读边界
- 仅依据所给出版社摘要；摘要未说明完整识别条件或收敛速度公式，数值稳定与模拟表现不能外推至所有回归变量分布。
原文摘要
This paper analyzes unobserved heterogeneity when observed characteristics are modeled nonlinearly. The proposed model builds on varying random coefficients (VRC) that are determined by nonlinear functions of observed regressors and additively separable unobservables. This paper proposes a novel estimator of the VRC density based on weighted sieve minimum distance. The main example of sieve bases are Hermite functions which yield a numerically stable estimation procedure. This paper shows inference results that go beyond what has been shown in ordinary RC models. We provide in each case rates of convergence and also establish pointwise limit theory of linear functionals, where a prominent example is the density of potential outcomes. In addition, a multiplier bootstrap procedure is proposed to construct uniform confidence bands. A Monte Carlo study examines finite sample properties of the estimator and shows that it performs well even when the regressors associated to RC are far from being heavy tailed. Finally, the methodology is applied to analyze heterogeneity in income elasticity of demand for housing.