Heterogeneity, Uncertainty and Learning: Semiparametric Identification and Estimation
异质性、不确定性与学习：半参数识别和估计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：摘要围绕含潜在异质性的学习模型进行识别和似然估计，且明确只使用短面板的选择与结果，支持结构估计和面板分类。
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…
异质性、不确定性与学习：半参数识别和估计
- 研究问题
- 仅有选择及实际结果的短面板时，如何区分个体已知异质性、逐渐获知的异质性与暂时不确定性并识别学习模型？
- 方法与思路
- 作者研究正态分布限制下的模型识别及无已知异质性时的非分布识别，推导筛最大似然性质并设计轮廓似然估计。
- 材料陈述的贡献
- 摘要称识别了结果方程参数和不可观测项分布，提出可计算估计程序，职业选择应用显示基于实际工资的能力学习。
- 阅读关注点
- 应核对已知与未知相对于谁定义、短面板所需的信息结构，以及无已知异质性时取消分布假设的具体条件。
- 阅读边界
- 这是预印本，同行评审或期刊接收未核实；摘要未提供完整识别条件、有限样本指标及能力学习的估计幅度。
原文摘要
We provide identification results for a broad class of learning models in which continuous outcomes depend on three types of unobservables: known heterogeneity, initially unknown heterogeneity that may be revealed over time, and transitory uncertainty. We consider a common environment where the researcher only has access to a short panel on choices and realized outcomes. We establish identification of the outcome equation parameters and the distribution of the unobservables, under the standard assumption that unknown heterogeneity and uncertainty are normally distributed. We also show that, absent known heterogeneity, the model is identified without making any distributional assumption. We then derive the asymptotic properties of a sieve MLE estimator for the model parameters, and devise a tractable profile likelihood-based estimation procedure. Our estimator exhibits good finite-sample properties. Finally, we illustrate our approach with an application to ability learning in the context of occupational choice. Our results point to substantial ability learning based on realized wages.