Nonparametric estimation of non-exchangeable latent-variable models
非交换潜变量模型的非参数估计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。
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：摘要讨论一般潜变量模型和工资异质性，未明确因果效应、离散选择或结构收益机制，现有细分的归属证据不足。
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…
非交换潜变量模型的非参数估计
- 研究问题
- 对于给定离散潜变量后观测结果相互独立的多变量模型，如何非参数估计潜在类别对应的条件矩并刻画未观测异质性？
- 方法与思路
- 作者先估计将边际分布矩转换为给定潜变量取值下条件矩的权重，再以加权样本平均估计这些条件矩。
- 材料陈述的贡献
- 摘要提出两步非参数估计方法，列举未观测类型、状态转换和误分类等应用，并用 PSID 工资数据展示异质性模型估计。
- 阅读关注点
- 应核对离散潜变量及条件独立性的要求、类别识别与权重构造，以及第一步权重误差如何影响第二步估计。
- 阅读边界
- 仅据所给出版社摘要，潜在类别数、识别条件和误分类处理细节未说明；工资应用的具体估计结果亦未提供。
原文摘要
We propose a two-step method to nonparametrically estimate multivariate models in which the observed outcomes are independent conditional on a discrete latent variable. Applications include microeconometric models with unobserved types of agents, regime-switching models, and models with misclassification error. In the first step, we estimate weights that transform moments of the marginal distribution of the data into moments of the conditional distribution of the data for given values of the latent variable. In the second step, these conditional moments are estimated as weighted sample averages. We illustrate the method by estimating a model of wages with unobserved heterogeneity on PSID data.