Indirect Inference with endogenously missing exogenous variables
外生变量内生性随机缺失下的间接推断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：摘要研究结构参数的间接推断，并以多项probit和静态、动态离散选择模型展开。
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…
外生变量内生性随机缺失下的间接推断
- 研究问题
- 结构模型的外生变量存在内生性的随机缺失时，删除缺失样本为何可能导致间接推断不一致，又如何修正？
- 方法与思路
- 作者对观测样本和模拟样本中的完整个案实施逆概率加权，并以多项probit及包含动态特征的离散选择模型说明方法。
- 材料陈述的贡献
- 摘要称，新估计方法能够一致估计结构参数，并讨论渐近性质；模拟显示既有间接推断的严重偏误可被该方法修正。
- 阅读关注点
- 应核对文中内生性MAR的确切定义、完整个案概率如何获得，以及观测与模拟样本的加权如何共同保证一致性。
- 阅读边界
- 所给出版社摘要未说明缺失机制的具体条件、权重估计方式和渐近分布；模拟中的偏误修正不能视为普遍保证。
原文摘要
We consider consistent estimation of parameters in a structural model by Indirect Inference (II) when the exogenous variables can be missing at random (MAR) endogenously. We demonstrate that II procedures that simply discard sample units with missing observations can yield inconsistent estimates of the true structural parameters. By inverse probability weighting (IPW) the “complete case” observations, i.e., sample units with no missing variables for the observed and simulated samples, we propose a new method of II to consistently estimate the structural parameters of interest. Asymptotic properties of the new estimator are discussed. We consider a multinomial probit model to illustrate this approach and subsequently consider simulation studies in a variety of discrete choice models with and without dynamics in terms of lagged dependent variables and serially correlated errors. The simulation results demonstrate the severe bias incurred by existing II estimators, and its correction by our new II estimator.