SUBVECTOR INFERENCE FOR VARYING COEFFICIENT MODELS WITH PARTIAL IDENTIFICATION
部分识别变系数模型的子向量推断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：摘要核心是通用部分识别与变系数推断，未提供足以归入所列具体领域的数据结构或因果设计。
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
部分识别变系数模型的子向量推断
- 研究问题
- 在由矩等式或不等式定义、函数参数可能仅部分识别的变系数模型中，如何对参数子向量构造有效置信集并检验模型设定？
- 方法与思路
- 作者提出变系数参数子向量的推断程序，研究置信集在较广数据生成过程中的统一渐近有效性，并检验模型的一组必要条件。
- 材料陈述的贡献
- 摘要称，方法支持部分识别下的统一有效置信集与实用设定检验，模拟表现良好，并用于中国 2005 年人口普查教育回报分析。
- 阅读关注点
- 应核对子向量目标、矩条件与识别集的构造、统一有效性所需条件，以及设定检验覆盖哪些必要条件和应用变量定义。
- 阅读边界
- 所给 Crossref 摘要未说明具体数据结构、识别限制或置信集数值；教育回报应用不足以确认因果解释，必要条件检验也不等于完整验证。
原文摘要
This article considers a general class of varying coefficient models defined by a set of moment equalities and/or inequalities, where unknown functional parameters are not necessarily point-identified. We propose an inferential procedure for a subvector of the varying parameters and establish the asymptotic validity of the resulting confidence sets uniformly over a broad family of data-generating processes. We also propose a practical specification test for a set of necessary conditions of our model. Monte Carlo studies show that the proposed methods have good finite sample properties. We apply our method to estimate the return to education in China using its 1%-population census data from 2005.