Choice Between Disaggregate and Aggregate Specifications Estimated by Instrumental Variables Methods
工具变量估计下细分模型与加总模型的选择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：摘要以预测误差选择模型，并在英国就业需求应用中比较总就业预测，因此与宏观预测直接相关。
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…
工具变量估计下细分模型与加总模型的选择
- 研究问题
- 用工具变量估计就业需求等模型时，怎样在细分模型与加总模型之间选择，并判断加总是否使长期工资和产出弹性的估计产生偏差？
- 方法与思路
- 作者以预测误差构造模型选择准则，将经典回归中的相关准则推广到工具变量估计，并推导加总偏差检验，用于英国就业需求分析。
- 材料陈述的贡献
- 作者提出选择准则与加总偏差检验；摘要称，四十行业模型预测英国总就业更好，加总模型的长期工资及产出弹性存在显著偏差。
- 阅读关注点
- 重点核对预测误差准则的定义、两类模型如何保持可比，以及工具变量和加总偏差检验的有效条件、英国就业应用的预测评估设计。
- 阅读边界
- 摘要未交代工具变量、样本期、预测评价方式或检验条件；英国就业应用的比较结论不能直接推广到其他行业划分、样本或模型。
原文摘要
A choice criterion is proposed for discriminating between disaggregate and aggregate models estimated by the instrumental variables method. The criterion, based on prediction errors, represents a generalization of criteria developed in the context of classical regressions models. The paper also derives general tests for aggregation bias in the instrumental variables context. The criterion and tests are applied in an analysis of U.K. employment demand. It is shown that a model disaggregated by forty industries predicts aggregate employment better than an aggregate model, and that significant biases exist in estimates of the long-run wage and output elasticities obtained from the aggregate model.