Nonparametric estimation and inference under shape restrictions
形状约束下的非参数估计与推断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：摘要核心是一般条件均值的形状约束方法，经济理论举例不足以确定所列细分领域。
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
形状约束下的非参数估计与推断
- 研究问题
- 经济理论只给出单调性、凸性或Slutsky不等式等形状限制时，如何稳定条件均值的非参数估计并构造统一置信带？
- 方法与思路
- 作者在可能非线性的形状约束下估计条件均值函数，建立渐近统一置信带，并通过蒙特卡洛实验与实证例子展示方法。
- 材料陈述的贡献
- 摘要称，形状限制可稳定非参数估计而无需附加可加性或单指标结构；本文给出涵盖Slutsky不等式的估计与推断方法。
- 阅读关注点
- 应核对形状约束的编码方式、约束接近或达到边界时的推断处理，以及统一置信带的覆盖条件和有限样本表现。
- 阅读边界
- 仅据RePEc所载出版社摘要，具体正则条件、模拟结果及实证对象未说明，无法据此判断置信带的实际覆盖率或效率优势。
原文摘要
Economic theory often provides shape restrictions on functions of interest in applications, such as monotonicity, convexity, non-increasing (non-decreasing) returns to scale, or the Slutsky inequality of consumer theory; but economic theory does not provide finite-dimensional parametric models. This motivates nonparametric estimation under shape restrictions. Nonparametric estimates are often very noisy. Shape restrictions stabilize nonparametric estimates without imposing arbitrary restrictions, such as additivity or a single-index structure, that may be inconsistent with economic theory and the data. This paper explains how to estimate and obtain an asymptotic uniform confidence band for a conditional mean function under possibly nonlinear shape restrictions, such as the Slutsky inequality. The results of Monte Carlo experiments illustrate the finite-sample performance of the method, and an empirical example illustrates its use in an application.