Sharp and Robust Estimation of Partially Identified Discrete Response Models
部分识别离散响应模型的锐性与稳健估计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：摘要直接讨论半参数离散选择及静态、动态离散面板模型。
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…
部分识别离散响应模型的锐性与稳健估计
- 研究问题
- 当离散协变量使半参数离散选择模型仅被部分识别时，如何估计完整识别集，并避免极限分布随参数不连续变化？
- 方法与思路
- 作者基于随机集合的分位数构造一类估计量，分析其锐性与稳健性，并扩展至静态和动态离散面板模型。
- 材料陈述的贡献
- 摘要称，经典估计量可能收敛至识别集的外部区域或随机集合；新方法兼具锐性和稳健性，并适用于离散面板。
- 阅读关注点
- 应核对锐性、稳健性及随机集合分位数的精确定义，识别集的刻画，以及横截面与面板扩展各自所需条件。
- 阅读边界
- 这是arXiv预印本，同行评审及接收状态未核实；摘要未说明具体识别假设、分位数选择和推断方法，不能推定普遍有效。
原文摘要
Semiparametric discrete choice models are widely used in a variety of practical applications. While these models are point identified in the presence of continuous covariates, they can become partially identified when covariates are discrete. In this paper we find that classical estimators, including the maximum score estimator, (Manski (1975)), loose their attractive statistical properties without point identification. First of all, they are not sharp with the estimator converging to an outer region of the identified set, (Komarova (2013)), and in many discrete designs it weakly converges to a random set. Second, they are not robust, with their distribution limit discontinuously changing with respect to the parameters of the model. We propose a novel class of estimators based on the concept of a quantile of a random set, which we show to be both sharp and robust. We demonstrate that our approach extends from cross-sectional settings to classical static and dynamic discrete panel data models.