The bivariate probit model, maximum likelihood estimation, pseudo true parameters and partial identification
双变量Probit模型、极大似然、伪真参数与部分识别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：摘要明确研究二元选择的递归Probit系统，并计算平均处理效应界，支持离散选择与因果推断分类。
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…
关注这篇论文的作者
双变量Probit模型、极大似然、伪真参数与部分识别
- 研究问题
- 二元内生变量的三角方程系统中，函数形式对识别和似然估计有多大作用，工具变量及分布误设又如何影响处理效应分析？
- 方法与思路
- 作者连接递归双变量Probit与部分识别文献，分析正确和错误分布设定下的似然估计及工具变量作用，并计算平均处理效应界。
- 材料陈述的贡献
- 摘要称建立伪真参数与部分识别概念之间的联系，用以解释估计量性质，并讨论依赖函数形式识别的实际后果。
- 阅读关注点
- 应核对函数形式、工具变量和其他限制分别提供什么识别信息，以及伪真参数与处理效应界的关系和分布误设比较设计。
- 阅读边界
- 仅据所给出版社摘要，无法判断处理效应界的具体条件、宽度或工具变量的有效性；未提供足以评价实务稳健性的数值结果。
原文摘要
This paper examines the notion of “identification by functional form” for two equation triangular systems for binary endogenous variables by providing a bridge between the literature on the recursive bivariate probit model and that on partial identification. We evaluate the impact of functional form on the performance of (quasi) maximum likelihood estimators, and investigate the practical importance of available instruments in both cases of correct and incorrect distributional specification. Finally, we calculate average treatment effect bounds and demonstrate how properties of the estimators are explicable via a link between the notion of pseudo-true parameters and the concepts of partial identification.