Consistent estimation of linear regression models using matched data
使用匹配数据一致估计线性回归模型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：摘要中的匹配用于缺失数据填补，未提供处理效应或其他给定细分方向的明确依据。
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
使用匹配数据一致估计线性回归模型
- 研究问题
- 使用匹配样本填补缺失数据后，线性回归的普通最小二乘估计为何可能不一致，又能否通过半参数方法校正偏差？
- 方法与思路
- 作者分析匹配样本 OLS 的概率极限与非标准收敛速度，提出两个具有间接推断解释的半参数偏差校正估计量。
- 材料陈述的贡献
- 摘要称，匹配变量不超过四个时，所提校正估计量达到参数收敛速度；模拟支持这些情形下的偏差校正效果。
- 阅读关注点
- 应核对匹配规则、缺失数据机制与维度条件，以及两个校正估计量的构造、间接推断解释和渐近性质。
- 阅读边界
- 仅据所给出版社摘要，不能将匹配理解为因果处理匹配；一致性与收敛速度结论所需的完整条件尚未说明。
原文摘要
Economists often use matched samples, especially when dealing with earnings data where a number of missing observations need to be imputed. In this paper, we demonstrate that the ordinary least squares estimator of the linear regression model using matched samples is inconsistent and has a non-standard convergence rate to its probability limit. If only a few variables are used to impute the missing data, then it is possible to correct for the bias. We propose two semiparametric bias-corrected estimators and explore their asymptotic properties. The estimators have an indirect-inference interpretation, and they attain the parametric convergence rate when the number of matching variables is no greater than four. Monte Carlo simulations confirm that the bias correction works very well in such cases.