Missing Endogenous Variables in Conditional Moment Restriction Models
条件矩限制模型中的内生变量缺失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：摘要核心是通用条件矩模型的缺失数据效率理论，劳动供给应用不足以确定特定领域细分。
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…
条件矩限制模型中的内生变量缺失
- 研究问题
- 当条件矩限制模型的结果或内生解释变量部分缺失时，何种完整观测信息能带来效率增益，如何构造稳健而有效的估计？
- 方法与思路
- 作者刻画信息性插补与完整观测内生变量的关系，提出半参数有效且双重稳健的估计量，并在人为制造缺失的劳动供给应用中比较。
- 材料陈述的贡献
- 摘要称给出效率增益的充要刻画；应用中，新估计与加权 GMM 点估计相近，但第三个孩子对劳动收入的负效应达到显著。
- 阅读关注点
- 应核对缺失机制、完整观测变量的角色、双重稳健所涉及的模型，以及效率比较与人为缺失设计是否适用于目标数据。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要；缺失机制及双重稳健条件未说明，单项应用的显著性差异不能证明一般识别有效或全面优越。
原文摘要
We estimate finite-dimensional parameters in conditional moment restriction (CMR) models when at least one of the endogenous variables (outcomes and/or explanatory variables) in the model is missing for some individuals in the sample. We demonstrate that efficiency gains in estimation occur if and only if there is at least one endogenous variable—included in or excluded from the CMR model—that is nonmissing (observed for all individuals in the sample), which we show characterizes informative imputation. We propose a semiparametrically efficient estimator which is also “doubly robust.” To illustrate the insights our estimator can provide in empirical applications with large sample sizes, we artificially induce missingness in the female labor supply model of Angrist and Evans. Despite medium levels of missingness in female labor income (the outcome) and a sample size exceeding 200,000 observations, the inverse propensity score weighted generalized method of moments (GMM) estimator finds only a statistically insignificant negative effect of having a third child (the endogenous regressor) on labor income. In contrast, our efficient estimator yields point estimates of this effect that are not only comparable to the GMM estimates but are also statistically significant.