INTERCEPT ESTIMATION IN NONLINEAR SELECTION MODELS
非线性选择模型中的截距估计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：摘要聚焦非线性样本选择模型的一般截距估计，未明确离散选择行为或其他所列领域的具体研究对象。
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…
非线性选择模型中的截距估计
- 研究问题
- 在斜率与截距可以分别识别的非线性选择模型中，如何估计截距，并处理选择限制失效或边界样本稀疏？
- 方法与思路
- 作者提出半参数估计量；单调指数限制成立时，用工具变量指数边际分布函数接近一的观测进行局部多项式估计。
- 材料陈述的贡献
- 摘要称还讨论单调限制不成立或高倾向得分观测稀疏的情形，并通过模拟及含乘性未观测异质性的计数模型展示方法。
- 阅读关注点
- 应核对截距单独识别的条件、工具变量指数与倾向得分的关系、带宽选择，以及摘要中 cubic rate 的确切含义。
- 阅读边界
- 仅据所给 Crossref 摘要，识别条件、边界样本要求和所述收敛率的数学定义均未说明，其他版本变化不能据此推断。
原文摘要
We propose various semiparametric estimators for nonlinear selection models, where slope and intercept can be separately identified. When the selection equation satisfies a monotonic index restriction, we suggest a local polynomial estimator, using only observations for which the marginal cumulative distribution function of the instrument index is close to one. Data-driven procedures such as cross-validation may be used to select the bandwidth for this estimator. We then consider the case in which the monotonic index restriction does not hold and/or the set of observations with a propensity score close to one is thin so that convergence occurs at a rate that is arbitrarily close to the cubic rate. We explore the finite sample behavior in a Monte Carlo study and illustrate the use of our estimator using a model for count data with multiplicative unobserved heterogeneity.