Efficient Estimation of Ordered Probit Models
有序 Probit 模型的有效估计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：摘要明确研究有序 Probit 模型及有序类别响应的估计，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
有序 Probit 模型的有效估计
- 研究问题
- 当因变量与解释变量均为有序类别、其潜在连续变量联合正态时，基于联合分布和条件分布的估计有何效率差异？
- 方法与思路
- 作者在潜在变量联合正态的模型中比较两种估计方式，并详细考察具有对称阈值的三分类数据这一特殊情形。
- 材料陈述的贡献
- 摘要称，解释变量在该模型中不满足弱外生性，条件分布估计可能明显损失效率，因此建议采用潜在变量的联合分布。
- 阅读关注点
- 应核对弱外生性在模型中的定义、阈值与相关参数的设定，以及特殊三分类结果如何支持对一般有序模型的讨论。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明；结论依赖所述潜在变量模型，摘要未提供效率损失数值，也未建立一般性的因果识别结论。
原文摘要
This article discusses a model in which both the dependent variable and the explanatory variables are ordinal and have an arbitrary number of categories. Assuming joint normality of the underlying continuous latent variables, we compare estimation based on the joint distribution to estimation based on the conditional distribution. Because the explanatory variables are not weakly exogenous in this model, the latter approach implies a loss in efficiency that can be substantial in many cases, as shown in detail for the special case of trichotomous data with symmetric thresholds. Therefore, latent variables underlying the observed ordinal variables should always be considered to be jointly endogenous; that is, the joint distribution should be considered.