MEASUREMENT ERRORS AND CENSORED STRUCTURAL LATENT VARIABLES MODELS
含测量误差的删失结构潜变量模型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：摘要明确讨论结构潜变量模型及从约化式恢复结构参数的估计程序，因此结构估计具有直接文本依据。
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
含测量误差的删失结构潜变量模型
- 研究问题
- 在删失结构潜变量模型中，若部分外生变量存在加性测量误差，如何利用模型限制恢复结构参数的估计？
- 方法与思路
- 作者利用过度识别条件构造工具变量，先用一致的删失回归估计约化式，再用线性联立方程估计方法恢复结构参数。
- 材料陈述的贡献
- 摘要称，过度识别条件可为含测量误差的变量提供自然工具，并据此提出连接删失约化式与结构式的两阶段程序。
- 阅读关注点
- 应核对自然工具的来源与有效性、测量误差所需条件，以及约化式到结构式的映射和两阶段估计的不确定性。
- 阅读边界
- 仅据所给Crossref摘要，无法确认工具相关性、误差独立性或具体识别条件，也不能判断渐近分布及实际估计精度。
原文摘要
We consider censored structural latent variables models where some exogenous variables are subject to additive measurement errors. We demonstrate that overidentification conditions can be exploited to provide natural instruments for the variables measured with errors, and we propose a two-stage estimation procedure. The first stage involves substituting available instruments in lieu of the variables that are measured with errors and estimating the resulting reduced form parameters using consistent censored regression methods. The second stage obtains structural form parameters using the conventional linear simultaneous equations model estimators.