Nonparametric identification and estimation of the extended Roy model
扩展Roy模型的非参数识别与估计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：摘要同时涉及Roy选择模型、效用驱动的选择及潜在结果联合分布，分别对应结构估计、因果推断与离散选择。
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
扩展Roy模型的非参数识别与估计
- 研究问题
- 在个体依据效用而非单纯结果进行选择的扩展Roy模型中，如何非参数识别潜在结果的联合分布，并形成可实施的估计方法？
- 方法与思路
- 作者利用模型结构与单调性，通过局部工具变量识别无差异个体并跨选择匹配，随后提出基于模拟的非参数估计方法。
- 材料陈述的贡献
- 摘要称，该方法识别潜在结果联合分布，无需函数形式或支持集假设，并推导估计收敛率，以马拉维农户杂交玉米采用作说明。
- 阅读关注点
- 应核对单调性的对象、局部工具变量所需条件、无差异个体匹配为何识别联合分布，以及无需支持集假设这一表述的准确范围。
- 阅读边界
- 仅依据所给RePEc出版社摘要，不能推断刊本变化；摘要未列全工具变量和模型条件，也未给出收敛率表达式及应用估计结果。
原文摘要
We propose a new identification method for the extended Roy model, in which the agents maximize their utility rather than just their outcome. We nonparametrically identify the joint distribution of potential outcomes, which is of great importance in causal inference. We exploit the extended Roy model structure and the monotonicity assumption but do not require any functional form assumption nor any support assumption. The identification is achieved by matching the indifferent agents across choices, who are identified by the local instrumental variable method. Based on the identification result, we propose an easy-to-implement nonparametric simulation-based estimator and derive its convergence rate. An empirical illustration on Malawian farmers’ hybrid maize adoption is provided.