Seminonparametric Estimation of Binary-Choice Models With an Application to Labor-Force Participation
二元选择模型的半非参数估计及其劳动参与应用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：摘要直接讨论二元选择模型估计，并应用于劳动参与决策，因此归入离散选择；未提供结构估计的明确依据。
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…
二元选择模型的半非参数估计及其劳动参与应用
- 研究问题
- 在二元选择模型中，如何以灵活的密度近似开展估计，并比较其与 probit 在正态、非正态样本中的表现及应用可行性？
- 方法与思路
- 作者将 Gallant–Nychka 方法用于二元选择模型，开展蒙特卡洛与渐近比较，并讨论优化算法、初值及密度近似参数数目的选择。
- 材料陈述的贡献
- 摘要称该方法在正态样本中效率接近 probit，在非正态样本中表现更好；劳动参与模型的估计展示了其计算可行性。
- 阅读关注点
- 阅读全文应核对密度近似的形式与限制、参数数目选择规则、优化对初值的敏感性，以及效率比较的设定和劳动参与模型解释。
- 阅读边界
- 摘要未说明识别与正则条件，也未量化“表现更好”的指标或适用范围；计算可行性的结论依赖当时的应用规模与实现。
原文摘要
The authors adapt the estimation method proposed by A. R. Gallant and D. N. Nychka (1987) to binary-choice models. They present Monte Carlo and asymptotic comparisons with the probit estimator and discuss optimization algorithms, choice of starting values, and strategies f or choosing the number of parameters used in approximating the density. Seminonparametric estimation is almost as efficient as probit estimation in normal samples and performs better in nonnormal sample s. The estimation of a participation model with 3,658 observations and 21 explanatory variables demonstrates the practicability of this approa ch on personal computers.