A Kernelization-Based Approach to Nonparametric Binary Choice Models
非参数二元选择模型的核化估计方法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：摘要明确提出非参数二元选择模型，并研究其估计与平均偏导。
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
非参数二元选择模型的核化估计方法
- 研究问题
- 如何在不参数化协变量系统函数和误差分布的情况下估计二元选择模型，同时缓解协变量较多时筛估计的计算负担？
- 方法与思路
- 作者将再生核希尔伯特空间视为特殊筛空间，结合谱截断正则化降维，研究模型估计与加权平均偏导的插件估计。
- 材料陈述的贡献
- 摘要称，研究建立一致性和加权平均偏导估计的渐近正态性，模拟考察误设表现，并应用于美国庇护申请裁决。
- 阅读关注点
- 应核对未知系统函数与误差分布的识别及归一化、核与谱截断选择、偏导推断条件，以及应用中温度效应的解释依据。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未列识别和正则条件，裁决应用也不能仅凭摘要解释为因果效应。
原文摘要
We propose a new estimator for nonparametric binary choice models that does not impose a parametric structure on either the systematic function of covariates or the distribution of the error term. A key advantage of our approach is its computational scalability in the number of covariates. For instance, even when assuming a normal error distribution as in probit models, commonly used sieves for approximating an unknown function of covariates can lead to a large-dimensional optimization problem when the number of covariates is moderate. Our approach, motivated by kernel methods in machine learning, views certain reproducing kernel Hilbert spaces as special sieve spaces, coupled with spectral cut-off regularization for dimension reduction. We establish the consistency of the proposed estimator and asymptotic normality of the plug-in estimator for weighted average partial derivatives. Simulation studies show that, compared to parametric estimation methods, the proposed method effectively improves finite sample performance in cases of misspecification, and has a rather mild efficiency loss if the model is correctly specified. Using administrative data on the grant decisions of US asylum applications to immigration courts, along with nine case-day variables on weather and pollution, we re-examine the effect of outdoor temperature on court judges' ``mood'', and thus, their grant decisions.