ARE UNOBSERVABLES SEPARABLE?
不可观测因素是否可分离？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：摘要以包含内生性和不可观测因素的非可分 IV 模型检验结构限制，并以恩格尔曲线作为应用。
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
不可观测因素是否可分离？
- 研究问题
- 当可观测变量具有内生性时，实证模型常用的可观测与不可观测因素加性可分假设，能否接受非参数检验？
- 方法与思路
- 作者从工具变量独立于不可观测因素的非可分 IV 模型出发，以非参数 IV 残差经验分布的极限理论构造可分性检验。
- 材料陈述的贡献
- 摘要称提出新的非参数可分性检验及相关 Donsker 型中心极限定理，并在美国消费数据中拒绝部分商品恩格尔曲线的可分性。
- 阅读关注点
- 应核对非可分模型的识别条件、工具变量独立性的作用、残差估计误差处理，以及非标准极限分布如何转化为临界值。
- 阅读边界
- 仅据所给 Crossref 版本摘要，不能判断工具变量有效性或哪些商品拒绝可分性；具体检验实施条件及刊本变化未说明。
原文摘要
It is common to assume in empirical research that observables and unobservables are additively separable, especially when the former are endogenous. This is because it is widely recognized that identification and estimation challenges arise when interactions between the two are allowed for. Starting from a nonseparable IV model, where the instrumental variable is independent of unobservables, we develop a novel nonparametric test of separability of unobservables. The large-sample distribution of the test statistics is nonstandard and relies on a Donsker-type central limit theorem for the empirical distribution of nonparametric IV residuals, which may be of independent interest. Using a dataset drawn from the 2015 U.S. Consumer Expenditure Survey, we find that the test rejects the separability in Engel curves for some commodities.