An Adversarial Approach to Identification
识别问题的对抗式方法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：摘要明确刻画结构及反事实参数的识别集，并应用于含固定效应的非线性面板模型，直接支持结构估计与面板数据分类。
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
识别问题的对抗式方法
- 研究问题
- 如何在统一框架下刻画计量模型中结构参数和反事实参数的识别集，并兼容不同误差分布假设与外生性限制？
- 方法与思路
- 作者把识别转化为集合成员判断，利用概率测度空间中的分离超平面定理，以具有对抗博弈解释的差异函数零点刻画识别集。
- 材料陈述的贡献
- 摘要称，观测分布与潜变量分布之间的线性变换结构，可统一识别分析并支持线性规划计算和推断，应用涵盖非线性固定效应面板。
- 阅读关注点
- 应核对分离论证所需的集合与拓扑条件、差异函数零点与识别集的对应关系，以及不同外生性限制如何进入线性规划。
- 阅读边界
- 依据 arXiv 预印本摘要，不能确认同行评审或期刊接收；摘要未说明点识别的具体条件、计算近似误差和推断程序细节。
原文摘要
We introduce a new framework for characterizing identified sets of structural and counterfactual parameters in econometric models. By reformulating the identification problem as a set membership question, we leverage the separating hyperplane theorem in the space of observed probability measures to characterize the identified set through the zeros of a discrepancy function with an adversarial game interpretation. The set can be a singleton, resulting in point identification. A feature of many econometric models, with or without distributional assumptions on the error terms, is that the probability measure of observed variables can be expressed as a linear transformation of the probability measure of latent variables. This structure provides a unifying framework and facilitates computation and inference via linear programming. We demonstrate the versatility of our approach by applying it to nonlinear panel models with fixed effects, with parametric and nonparametric error distributions, and across various exogeneity restrictions, including strict and sequential.