ANOTHER LOOK AT THE IDENTIFICATION AT INFINITY OF SAMPLE SELECTION MODELS
重新审视样本选择模型的无穷远识别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：摘要研究内生样本选择的识别，并明确应用于广义 Roy 结构模型。
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…
关注这篇论文的作者
重新审视样本选择模型的无穷远识别
- 研究问题
- 在缺少工具变量且协变量不具有大支撑集时，内生样本选择模型能否利用结果变量较大时的独立性获得识别？
- 方法与思路
- 作者提出主要依赖结果变量取大值时选择变量与协变量变得独立的识别策略，并讨论该条件的可检验性及 Roy 模型应用。
- 材料陈述的贡献
- 摘要称该策略无需协变量具有大支撑集，关键独立性条件可以检验，并能用于广义 Roy 模型的识别。
- 阅读关注点
- 应核对尾部独立性条件的精确定义、结果变量支撑及尾部信息要求，以及条件检验和广义 Roy 模型识别的具体构造。
- 阅读边界
- 仅据所给 Crossref 摘要解读；摘要未说明其余识别条件、可检验性的实现及有限样本困难，不能将无需大支撑理解为无需尾部条件。
原文摘要
It is often believed that without instruments, endogenous sample selection models are identified only if a covariate with a large support is available (see, e.g., Chamberlain, 1986, Journal of Econometrics 32, 189–218; Lewbel, 2007, Journal of Econometrics 141, 777–806) . We propose a new identification strategy mainly based on the condition that the selection variable becomes independent of the covariates for large values of the outcome. No large support on the covariates is required. Moreover, we prove that this condition is testable. We finally show that our strategy can be applied to the identification of generalized Roy models.