Nonseparable Dyadic Regression
非可分双边关系回归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：摘要直接研究非可分结构函数的识别估计，以及双边关系中共享主体引起的依赖。
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
非可分双边关系回归
- 研究问题
- 当双边结果由双方特征和标量不可观测量非可分地决定时，如何识别结构函数，并在共享主体导致的依赖下进行推断？
- 方法与思路
- 作者在未知函数对不可观测量单调递增的模型中建立规范化识别，提出核代入估计，并推导双边依赖下的两种极限情形。
- 材料陈述的贡献
- 摘要称，结构函数与误差分布可识别，共享主体方差分量通常主导；相应主体层面自助法具有一致性并改善模拟区间覆盖。
- 阅读关注点
- 应核对规范化与识别所需条件、两种渐近情形的分界、核估计偏差处理，以及主体层面重抽样如何保留双边依赖。
- 阅读边界
- 本资料为 arXiv 预印本，同行评审及期刊接收未核实；摘要未列明完整识别条件，自助法保证仅明确针对共享主体分量主导的情形。
原文摘要
This paper studies a nonseparable model for dyadic outcomes, such as bilateral trade flows, in which the outcome depends on both agents' characteristics and on a scalar unobservable through an unknown function increasing in that unobservable. I establish identification of a normalized structural function and the error distribution, propose kernel plug-in estimators, and derive a two-regime central limit theory under dyadic dependence in which a shared-agent variance component generically dominates. An agent-level bootstrap is proved consistent in that regime. Simulations show independence-based intervals undercover severely while the bootstrap substantially improves coverage. In bilateral trade data, conditional dispersion falls by more than half between small and large exporters.