Exact computation of GMM estimators for instrumental variable quantile regression models
工具变量分位数回归模型 GMM 估计量的精确计算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：摘要直接研究工具变量分位数回归的估计计算，支持分位数方向；需求应用本身不足以确定更具体的结构估计设定。
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
工具变量分位数回归模型 GMM 估计量的精确计算
- 研究问题
- 工具变量分位数回归的广义矩估计如何实现精确计算，能否将原估计问题转化为可由优化求解器处理的等价形式？
- 方法与思路
- 作者将工具变量分位数回归的 GMM 估计问题等价改写为混合整数二次规划，并通过蒙特卡洛实验和鱼类需求应用说明。
- 材料陈述的贡献
- 摘要称，混合整数二次规划表述能够实现该类 GMM 估计量的精确计算，并展示算法在模拟与实际需求分析中的用途。
- 阅读关注点
- 应核对等价转化的约束与参数范围、全局最优解的认证方式，以及求解容差、样本规模和工具变量数量对计算成本的影响。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明识别条件、计算规模或运行时间，精确优化不等于统计无误差。
原文摘要
We show that the generalized method of moments (GMM) estimation problem in instrumental variable quantile regression (IVQR) models can be equivalently formulated as a mixed integer quadratic programming problem. This enables exact computation of the GMM estimators for the IVQR models. We illustrate the usefulness of our algorithm via Monte Carlo experiments and an application to demand for fish.