Threshold Regression with Errors-in-Variables
含变量测量误差的门槛回归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：摘要聚焦门槛回归与测量误差，企业投资应用不足以确认所列面板或因果推断方向。
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
含变量测量误差的门槛回归
- 研究问题
- 在线性门槛回归中，当解释变量存在测量误差、门槛变量外生且缺乏有效外部工具变量时，如何识别和估计模型参数？
- 方法与思路
- 作者提出针对误测解释变量的广义矩估计方法，研究估计量的一致性与渐近正态性，并构造检测门槛效应的检验统计量。
- 材料陈述的贡献
- 摘要称该方法处理了缺乏有效外部工具变量时的参数识别难题，并以蒙特卡洛模拟和企业投资方程应用展示其表现。
- 阅读关注点
- 应核对替代外部工具变量的识别信息、测量误差限制、门槛位置的处理，以及门槛效应检验所需条件和模拟比较设计。
- 阅读边界
- 仅据所给 OpenAlex 摘要，无法判断具体识别条件、误测机制及有限样本优势的范围，也不能推断后续刊本变化。
原文摘要
We propose a novel generalized method of moments (GMM) estimator for linear threshold regression models with a mismeasured regressor and an exogenous threshold variable. The estimator addresses a key challenge in empirical applications: identifying model parameters in the absence of valid external instruments for the mismeasured regressor. We establish the consistency and asymptotic normality of the proposed estimator and develop test statistics for detecting threshold effects. Monte Carlo simulations show strong finite-sample performance, and an empirical application to firm investment equations highlights the practical relevance of the method.