Correcting sample selection bias with categorical outcomes
分类结果的样本选择偏差校正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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确涉及分类选择结果、半参数多项 logit 模型及潜在类别分布的识别，因此归入离散选择与分布效应方向。
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
分类结果的样本选择偏差校正
- 研究问题
- 当职业、健康状态等分类结果只在被选择的样本中可见时，如何识别潜在总体分布，并进行可计算的估计与推断？
- 方法与思路
- 作者用类别特定关联参数分解联合概率，在排除限制下建立非参数识别，再构造含样本选择的半参数多项 logit 两步估计。
- 材料陈述的贡献
- 摘要称，方法识别潜在分类分布，提供计算可行的两步估计及渐近性质，并以科特迪瓦医疗服务利用的决定因素作应用。
- 阅读关注点
- 应核对排除变量的作用、关联参数随类别变化的限制、两步估计的误差传播，以及多项 logit 设定与非参数识别的关系。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未列出具体排除限制、渐近条件及应用结果，不能判断实际校正效果。
原文摘要
In this paper, I propose a method for correcting sample selection bias when the outcome of interest is categorical, such as occupational choice, health status, or field of study. Classical approaches to sample selection rely on strong parametric distributional assumptions, which may be restrictive in practice. I develop a local representation that decomposes each joint probability into marginal probabilities and a category-specific association parameter that captures how selection differentially affects each outcome. Under some exclusion restrictions, I establish nonparametric point identification of the latent categorical distribution. Building on this identification result, I introduce a semiparametric multinomial logit model with sample selection, propose a computationally tractable two-step estimator, and derive its asymptotic properties. I illustrate the method by studying the determinants of healthcare utilization in Côte d'Ivoire.