Weak identification in discrete choice models
离散选择模型中的弱识别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：摘要明确针对 probit、logit 及其扩展研究识别强度和推断，并使用劳动参与等离散选择应用展示方法。
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…
离散选择模型中的弱识别
- 研究问题
- 离散选择模型的识别强度由哪些因素决定，如何检测弱识别，并判断何时可以使用常规 Wald 推断？
- 方法与思路
- 作者分析识别强度的决定因素，提出适用于 probit、logit 及多种扩展的弱识别检验，并开展模拟和实证比较。
- 材料陈述的贡献
- 摘要称检验能一致检测弱识别，拒绝弱识别原假设后可用标准 Wald 推断，并指出线性模型常用检验在此可能失效。
- 阅读关注点
- 应核对弱识别原假设、检验的适用模型与一致性条件，以及检验拒绝后采用标准 Wald 推断的理论保证。
- 阅读边界
- 仅依据所给 OpenAlex 摘要；检验构造、临界值和保证成立的条件未说明，不能把拒绝结果推广为任意模型的推断许可。
原文摘要
We study the impact of weak identification in discrete choice models, and provide insights into the determinants of identification strength in these models. Using these insights, we propose a novel test that can consistently detect weak identification in commonly applied discrete choice models, such as probit, logit, and many of their extensions. Furthermore, we demonstrate that when the null hypothesis of weak identification is rejected, Wald-based inference can be carried out using standard formulas and critical values. A Monte Carlo study compares our proposed testing approach against commonly applied weak identification tests. The results simultaneously demonstrate the good performance of our approach and the fundamental failure of using conventional weak identification tests for linear models in the discrete choice model context. Furthermore, we compare our approach against those commonly applied in the literature in two empirical examples: married women labor force participation, and US food aid and civil conflicts.