Estimation of marginal effects in semiparametric selection models with binary outcomes
二元结果半参数样本选择模型的边际效应估计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：摘要明确研究选择规则与结果均为二元变量的半参数指数模型及其边际效应。
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
二元结果半参数样本选择模型的边际效应估计
- 研究问题
- 当样本选择规则和结果变量均为二元变量时，如何在半参数指数模型中估计通常难以恢复、但具有解释价值的边际效应？
- 方法与思路
- 作者仅使用选择概率超过阈值的观测估计边际效应，并使高选择概率样本集合适应数据，同时分析所依赖的指数估计量。
- 材料陈述的贡献
- 摘要将数据自适应的高概率集合列为关键创新，称建立边际效应和指数估计量的大样本性质，并报告较好的有限样本表现。
- 阅读关注点
- 应核对高选择概率集合的构造、阈值规则、边际效应的目标定义，以及筛选观测后的样本量与支持集要求。
- 阅读边界
- 仅据所给出版社摘要，无法判断具体识别条件、阈值敏感性或边际效应可推广的总体；模拟设计和数值结果未说明。
原文摘要
This paper addresses the estimation of a semiparametric sample selection index model where both the selection rule and the outcome variable are binary. Since the marginal effects are often of primary interest and are difficult to recover in a semiparametric setting, we focus on developing an estimator for the marginal effects. This marginal effect estimator uses only observations where the selection probability is above a certain threshold. A key innovation is that this high probability set is adaptive to the data. We establish the large sample properties of the marginal effect estimator as well as those for an index estimator upon which it depends. Monte Carlo studies show that these estimators perform well in finite samples.