A maximum likelihood bunching estimator of the elasticity of taxable income
应税收入弹性的极大似然聚束估计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。
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：摘要明确以结构模型同时刻画偏好异质性和优化误差，并通过极大似然识别应税收入弹性，因此归入结构估计。
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…
应税收入弹性的极大似然聚束估计
- 研究问题
- 如何利用收入聚束估计应税收入弹性，同时区分不可观测偏好异质性与优化误差，并衡量两者的相对重要性？
- 方法与思路
- 作者建立同时包含偏好异质性和优化误差的结构模型，提出极大似然聚束估计，刻画识别条件并使用瑞典数据应用。
- 材料陈述的贡献
- 摘要称，估计量在偏误和精度方面表现良好；瑞典应用中的应税收入弹性及优化摩擦标准差估计较精确，但数值相对较小。
- 阅读关注点
- 应核对偏好与优化误差的分布设定、两者分别识别的条件，以及聚束数据如何提供区分弹性和摩擦的信息。
- 阅读边界
- 仅依据所给 Crossref 版本摘要；具体识别条件、参数数值及性能评估设定未说明，不能推断方法在其他税制下同样有效。
原文摘要
Summary This paper develops a maximum likelihood (ML) bunching estimator of the elasticity of taxable income (ETI). Our structural approach provides a natural framework to simultaneously account for unobserved preference heterogeneity and optimization errors and for measuring their relative importance. We characterize the conditions under which the parameters of the model are identified and show that the ML estimator performs well in terms of bias and precision. The paper also contains an empirical application using Swedish data, showing that both the ETI and the standard deviation of the optimization friction are precisely estimated, albeit relatively small.