A Simple and Powerful Diagnostic Test for Binary Choice Models
二元选择模型的简便高功效诊断检验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：摘要直接针对 probit、logit 等二元选择模型的误差尾部限制及其诊断检验，因此归入离散选择。
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…
二元选择模型的简便高功效诊断检验
- 研究问题
- 如何从可观测条件选择概率的尾部衰减判断二元选择模型的薄尾限制是否合理，以及这与参数的常规估计速率有何关系？
- 方法与思路
- 作者检验条件选择概率是否随某个协变量按多项式速率衰减，所述尾部识别不要求独立性、线性指数或同方差。
- 材料陈述的贡献
- 摘要称，该检验易于实现，功效接近不变检验中的点最优包络；企业创新决策应用拒绝薄尾限制，提示常规模型需诊断。
- 阅读关注点
- 应核对协变量支持与尾部条件、原假设和备择的定义，以及不变检验类别、临界值构造与接近功效包络的具体含义。
- 阅读边界
- 这是 arXiv 预印本，同行评审及接收状态未核实；摘要未说明完整检验条件，单个应用拒绝薄尾不能推广为所有二元选择数据的结论。
原文摘要
Conventional binary choice models, such as probit and logit, impose thin-tailed errors, and that tail determines whether the parameters of a binary choice model can be estimated at the regular rate. We test the restriction on observables, asking whether the conditional choice probability decays at a polynomial rate in a covariate. Identification of tail heaviness requires no independence, no linear index, and no homoskedasticity. The test is simple to implement and attains nearly the point-optimal power envelope among invariant tests. An application to firm innovation decisions rejects the thin tail.