Copula-Based Random Effects Models for Clustered Data
基于 Copula 的聚类数据随机效应模型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：摘要以二元选择面板为框架，估计含组内相关不可观测异质性的随机效应模型，直接对应离散选择与面板数据。
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
基于 Copula 的聚类数据随机效应模型
- 研究问题
- 在二元选择面板中，同一组内个体的不可观测异质性相关如何影响联合结果概率，又应如何估计这种相关并选择适当的 copula？
- 方法与思路
- 作者用 copula 描述组内随机效应的相关，讨论估计量相对标准随机效应估计的渐近效率，并提出设定检验及适用于阿基米德 copula 的高维积分算法。
- 材料陈述的贡献
- 摘要称，所提积分算法可避免维数灾难；夫妻劳动供给应用中，妻子就业概率随丈夫就业状态变化的差异，约一半由不可观测因素相关解释。
- 阅读关注点
- 阅读全文时应核对 copula 与边际随机效应分布的设定、渐近效率比较条件、检验的适用范围，以及高维积分算法的精度和计算成本。
- 阅读边界
- 摘要未说明面板长度、组规模、检验细节或效率比较结果；夫妻就业概率的分解依赖模型设定，不能直接解释为丈夫就业对妻子就业的因果效应。
原文摘要
In a binary choice panel data framework, probabilities of the outcomes of several individuals depend on the correlation of the unobserved heterogeneity. I propose a random effects estimator that models the correlation of the unobserved heterogeneity among individuals in the same cluster using a copula. I discuss the asymptotic efficiency of the estimator relative to standard random effects estimators, and to choose the copula I propose a specification test. The implementation of the estimator requires the numerical approximation of high-dimensional integrals, for which I propose an algorithm that works for Archimedean copulas that does not suffer from the curse of dimensionality. This method is illustrated with an application of labor supply in married couples, finding that about one half of the difference in probability of a woman being employed when her husband is also employed, relative to those whose husband is unemployed, is explained by correlation in the unobservables. Supplementary materials for this article are available online.