Variance Components Structures for the Extreme-Value and Logistic Distributions with Application to Models of Heterogeneity
极值与逻辑斯蒂分布的方差分量结构及其在异质性模型中的应用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：摘要明确涉及嵌套逻辑特及定性变量模型，直接对应离散选择方向。
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
极值与逻辑斯蒂分布的方差分量结构及其在异质性模型中的应用
- 研究问题
- 如何在保留极值或逻辑斯蒂边际分布的同时构造复杂方差分量结构，并降低持续时间、选择偏差及定性变量模型中异质性处理的计算负担？
- 方法与思路
- 作者引入两类新的分量分布，通过递归添加分量保持极值或逻辑斯蒂边际分布，并以嵌套逻辑特、多变量风险及竞争风险模型说明应用。
- 材料陈述的贡献
- 摘要称，新分布可推广传统随机结构，使引入异质性后的模型保持计算便利，并声称相较模拟矩估计等替代方法更易计算和处理。
- 阅读关注点
- 应核对新分布的定义、可加性质所需条件、方差分量允许的依赖结构，以及嵌套逻辑特等推广模型的估计步骤和计算比较依据。
- 阅读边界
- 仅据所给 Crossref 摘要；分量相加的具体条件、模型识别和计算优势的适用范围均未说明，也不能推断其他版本的变化。
原文摘要
Two new classes of probability distributions are introduced that radically simplify the process of developing variance components structures for extremevalue and logistic distributions. When one of these new variates is added to an extreme-value (logistic) variate, the resulting distribution is also extreme value (logistic). Thus, quite complicated variance structures can be generated by recursively adding components having this new distribution, and the result will retain a marginal extreme-value (logistic) distribution. It is demonstrated that the computational simplicity of extreme-value error structures extends to the introduction of heterogeneity in duration, selection bias, limited-dependent- and qualitative-variable models. The usefulness of these new classes of distributions is illustrated with the examples of nested logit, multivariate risk, and competing risk models, where important generalizations to conventional stochastic structures are developed. The new models are shown to be computationally simpler and far more tractable than alternatives such as estimation by simulated moments. These results will be of considerable use to applied microeconomic researchers who have been hampered by computational difficulties in constructing more sophisticated estimators.