A PERMUTATION-BASED ESTIMATOR FOR MONOTONE INDEX MODELS
单调指数模型的排序估计量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：摘要明确说明该排序估计量可用于单调指数面板数据模型。
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
单调指数模型的排序估计量
- 研究问题
- 能否利用数据排序估计单调指数模型的有限维参数，避免带宽选择，并在横截面及面板设定中获得可用的渐近推断？
- 方法与思路
- 作者利用排序使相邻观测距离之和最小的性质构造目标函数，通过最小化该函数估计指数参数，并将方法扩展到面板模型。
- 材料陈述的贡献
- 摘要称估计量无需带宽、具有根号样本量一致性和渐近正态性，协方差可一致估计；所报模拟中两类误差指标优于既有秩估计量。
- 阅读关注点
- 应核对指数参数的识别与归一化、排序目标的优化方式、协方差估计条件，以及面板扩展和模拟比较的具体设定。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确认识别条件或数值改善幅度；模拟中优于比较方法不构成普遍优势，也不推断其他版本变化。
原文摘要
This paper shows that the finite-dimensional parameters of a monotone-index model can be estimated by minimizing an objective function based on sorting the data. The key observation guiding this procedure is that the sum of distances between pairs of adjacent observations is minimized (over all possible permutations) when the observations are sorted by their values. The resulting estimator is a generalization of Cavanagh and Sherman's monotone rank estimator (MRE) (Cavanagh and Sherman, 1998, Journal of Econometrics 84, 351–381) and does not require a bandwidth choice. The estimator is $\sqrt{n}$ -consistent and asymptotically normal with a consistently estimable covariance matrix. This least-squares estimator can also be used to estimate monotone-index panel data models. A Monte Carlo study is presented where the proposed estimator is seen to dominate the MRE in terms of mean-squared error and mean absolute deviation.