跳到正文
← 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:摘要属于通用半参数估计与标准误理论,未提供足以归入所列具体应用方向的依据。

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
Matias D. Cattaneo
Richard K. Crump
Michael Jansson

密度加权平均导数的小带宽渐近理论

研究问题
如何为密度加权平均导数估计量构造标准误,使其在比常规推断允许范围更小的带宽下仍具渐近有效性?
方法与思路
作者提出新的标准误公式,通过小带宽渐近分析容许更宽的带宽选择,并以蒙特卡洛实验考察置信区间覆盖率。
材料陈述的贡献
摘要称,所提标准误的有效性无需高阶核,且模拟中置信区间在一定带宽范围内的覆盖率近似达到名义水平。
阅读关注点
应核对带宽速率、偏差控制和核函数条件,新标准误纳入了哪些随机项,以及覆盖率比较采用的样本与带宽范围。
阅读边界
仅依据所给 Crossref 版本摘要;具体标准误公式、允许的带宽范围和覆盖率数值未说明,不能判断任意小带宽均可有效推断。

原文摘要

This paper proposes (apparently) novel standard error formulas for the density-weighted average derivative estimator of Powell, Stock, and Stoker ( Econometrica 57, 1989). Asymptotic validity of the standard errors developed in this paper does not require the use of higher-order kernels, and the standard errors are “robust” in the sense that they accommodate (but do not require) bandwidths that are smaller than those for which conventional standard errors are valid. Moreover, the results of a Monte Carlo experiment suggest that the finite sample coverage rates of confidence intervals constructed using the standard errors developed in this papercoincide (approximately) with the nominal coverage rates across a nontrivial range of bandwidths.

笔记与分组