Semiparametric Estimation of Structural Functions in Nonseparable Triangular Models
非可分三角模型中结构函数的半参数估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究非可分三角系统的结构函数识别与估计，并涵盖分布和分位数结构函数，支持这两个细分方向。
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…
非可分三角模型中结构函数的半参数估计
- 研究问题
- 在含非加性异质性的三角系统中，如何降低大支持集要求与估计维度负担，并对多类结构函数进行统一推断？
- 方法与思路
- 作者用分布回归或分位数回归建模简约式条件分布，通过控制函数识别结构对象，并提出三阶段估计与 bootstrap 推断。
- 材料陈述的贡献
- 摘要称两类模型无需大支持集条件即可识别平均、分布和分位数结构函数，并建立渐近理论及 bootstrap 有效性。
- 阅读关注点
- 应核对替代大支持集条件的模型限制、控制函数构造、三阶段误差传递，以及函数型极限定理与统一推断的适用范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列明完整识别限制，不能理解为一般非可分模型均已识别。
原文摘要
Triangular systems with nonadditively separable unobserved heterogeneity provide a theoretically appealing framework for the modelling of complex structural relationships. However, they are not commonly used in practice due to the need for exogenous variables with large support for identification, the curse of dimensionality in estimation, and the lack of inferential tools. This paper introduces two classes of semiparametric nonseparable triangular models that address these limitations. They are based on distribution and quantile regression modelling of the reduced form conditional distributions of the endogenous variables. We show that average, distribution and quantile structural functions are identified in these systems through a control function approach that does not require a large support condition. We propose a computationally attractive three-stage procedure to estimate the structural functions where the first two stages consist of quantile or distribution regressions. We provide asymptotic theory and uniform inference methods for each stage. In particular, we derive functional central limit theorems and bootstrap functional central limit theorems for the distribution regression estimators of the structural functions. These results establish the validity of the bootstrap for three-stage estimators of structural functions, and lead to simple inference algorithms. We illustrate the implementation and applicability of all our methods with numerical simulations and an empirical application to demand analysis.