A Unified Approach to Estimating and Testing Income Distributions With Grouped Data
分组数据下收入分布估计与检验的统一方法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：摘要直接研究分组收入数据下的参数分布估计与检验，并恢复中美收入及消费分布，因此归入分位数与分布效应方向。
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
分组数据下收入分布估计与检验的统一方法
- 研究问题
- 面对收入份额表、样本分位数等不同形式的分组资料，如何统一估计和检验参数收入分布，并恢复收入或消费的分布？
- 方法与思路
- 作者构建适配不同分组数据的参数分布估计与检验框架，配合参数自助法，并通过蒙特卡洛模拟与中国、美国的数据演示。
- 材料陈述的贡献
- 摘要称，框架可灵活处理多种分组资料，并证明参数自助法的渐近有效性；应用展示了从份额表及份额与分位数组合恢复分布。
- 阅读关注点
- 应核对各类分组信息如何进入估计、参数分布的识别与设定、参数自助法有效性的条件，以及模拟中的比较指标和应用数据口径。
- 阅读边界
- 摘要未列出具体分布族、理论条件、模拟数值或应用估计误差；因此不能判断其普遍优越性，恢复结果也需结合参数设定评估。
原文摘要
We propose a unified approach that is flexibly applicable to various types of grouped data for estimating and testing parametric income distributions. To simplify the use of our approach, we also provide a parametric bootstrap method and show its asymptotic validity. We also compare this approach with existing methods for grouped income data, and assess their finite-sample performance by a Monte Carlo simulation. For empirical demonstrations, we apply our approach to recovering China's income/consumption distributions from a sequence of income/consumption share tables and the U.S. income distributions from a combination of income shares and sample quantiles. Supplementary materials for this article are available online.