Set identification of the censored quantile regression model for short panels with fixed effects
短面板固定效应删失分位数回归模型的集合识别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：摘要明确结合短面板固定效应与删失条件分位数回归，研究其集合识别和两步估计问题。
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
短面板固定效应删失分位数回归模型的集合识别
- 研究问题
- 短面板中存在固定效应和删失时，条件分位数限制能将模型参数识别到什么集合，如何处理删失造成的无信息不等式？
- 方法与思路
- 作者用质量重新分配构造跨期差分的条件分布界，反演得到分位数不等式，再以筛除平凡约束和凸准则最小化两步估计。
- 材料陈述的贡献
- 摘要称刻画尖锐识别集，提出处理平凡不等式的两步估计并建立渐近性质，同时讨论实现点识别的充分条件。
- 阅读关注点
- 应核对弱条件独立和分位数限制的确切含义、识别集尖锐性的证明，以及第一步筛选对第二步集合估计的影响。
- 阅读边界
- 仅据所给出版社摘要，无法判断识别集大小和点识别条件的现实可满足性；集合估计的具体收敛率与推断程序也未说明。
原文摘要
This paper studies identification and estimation of a censored quantile regression model for short panel data with fixed effects. Using the redistribution-of-mass idea, we obtain bounds on the conditional distribution of differences of the model across periods, under conditional quantile restrictions together with a weak conditional independence assumption along the lines of Rosen (2012). The inversion of the distribution bounds characterizes the sharp identified set via a set of inequalities based on conditional quantile functions. Due to the presence of censoring, some of the inequalities defining the identified set hold trivially and have no identification power. Moreover, those trivial inequalities cause a difficulty in estimating the identified set. To deal with the issue, we propose a two-step estimation method, where the first step consists of excluding trivial inequalities and the second step performs minimization of a convex criterion function using the remaining inequalities. We establish asymptotic properties of the set estimator and also consider sufficient conditions under which point identification can be attained.