Semiparametric Bayesian inference for dynamic Tobit panel data models with unobserved heterogeneity
含不可观测异质性的动态 Tobit 面板模型：半参数贝叶斯推断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：摘要明确研究带初始条件和不可观测异质性的动态 Tobit 面板模型，并以女性劳动供给面板数据进行应用。
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
含不可观测异质性的动态 Tobit 面板模型：半参数贝叶斯推断
- 研究问题
- 如何对含不可观测异质性的动态 Tobit 面板模型进行推断，并获得女性劳动供给中的平均偏效应和平均转移概率？
- 方法与思路
- 作者提出半参数贝叶斯方法，要求指定异质性对初始条件和严格外生变量的条件均值依赖，并通过 MCMC 计算目标量。
- 材料陈述的贡献
- 摘要称，平均偏效应与平均转移概率可作为 MCMC 的附带输出获得，并将方法应用于 NLSY1979 女性劳动供给面板。
- 阅读关注点
- 应核对初始条件处理、严格外生性及条件均值设定，明确半参数部分，并检查目标量计算与后验模拟的可靠性。
- 阅读边界
- 所给 Crossref 摘要未说明半参数分布形式、先验、识别条件或应用结果，无法判断对异质性误设的稳健程度。
原文摘要
Abstract This paper develops semiparametric Bayesian methods for inference of dynamic Tobit panel data models. Our approach requires that the conditional mean dependence of the unobserved heterogeneity on the initial conditions and the strictly exogenous variables be specified. Important quantities of economic interest such as the average partial effect and average transition probabilities can be readily obtained as a by‐product of the Markov chain Monte Carlo run. We apply our method to study female labor supply using a panel data set from the National Longitudinal Survey of Youth 1979. Copyright © 2008 John Wiley & Sons, Ltd.