Inference in panel data models under attrition caused by unobservables
不可观测因素引致样本流失时的面板模型推断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：摘要直接研究面板数据中由未观测变量引致的非可忽略样本流失。
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
不可观测因素引致样本流失时的面板模型推断
- 研究问题
- 当面板样本流失依赖流失者未被观测的第二期变量，但另有独立补充样本时，如何识别并估计模型的有限维参数？
- 方法与思路
- 作者在准可分性假设下导出包含未知流失函数的条件矩限制，并构造筛估计方法，利用第二期边际分布的独立补充样本。
- 材料陈述的贡献
- 摘要称识别条件严格弱于既有文献，并得到有限维参数的根号 n 一致筛估计；方法适用于线性和非线性面板，另有模拟展示。
- 阅读关注点
- 应核对准可分性的经济含义、补充样本独立性及总体可比性，并检查筛维度、流失函数限制与根号 n 收敛条件。
- 阅读边界
- 仅据所给出版社摘要，无法判断关键假设是否可检验或在具体调查中成立；摘要未说明完整推断程序与有限样本数值。
原文摘要
This paper concerns identification and estimation of a finite-dimensional parameter in a panel data-model under nonignorable sample attrition. Attrition can depend on second period variables which are unobserved for the attritors but an independent refreshment sample from the marginal distribution of the second period values is available. This paper shows that under a quasi-separability assumption, the model implies a set of conditional moment restrictions where the moments contain the attrition function as an unknown parameter. This formulation leads to (i) a simple proof of identification under strictly weaker conditions than those in the existing literature and, more importantly, (ii) a sieve-based root-n consistent estimate of the finite-dimensional parameter of interest. These methods are applicable to both linear and nonlinear panel data models with endogenous attrition and analogous methods are applicable to situations of endogenously missing data in a single cross-section. The theory is illustrated with a simulation exercise, using Current Population Survey data where a panel structure is introduced by the rotation group feature of the sampling process.