Censored Regression Estimation Under Unobserved Heterogeneity: A Stochastic Parameter Approach
未观测异质性下的删失回归估计：随机参数方法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。
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：题名与摘要只明确涉及删失回归和未观测异质性，未提供因果识别、面板数据或结构模型等领域细分的直接依据。
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
未观测异质性下的删失回归估计：随机参数方法
- 研究问题
- 在样本存在删失时，如何处理回归中的未观测异质性，并评估纳入异质性的估计方法相对于忽略它的模型的表现？
- 方法与思路
- 作者提出处理删失回归中未观测异质性的方法，题名将其称为随机参数思路，并用实证应用和模拟实验展示；摘要未交代具体估计步骤。
- 材料陈述的贡献
- 摘要称控制未观测异质性的删失回归比忽略它的模型表现明显更好，并以实证和模拟展示方法的有效性、可行性与用途。
- 阅读关注点
- 核对随机参数的分布与识别条件、删失机制的设定、估计实现和比较基准，并检查“表现更好”具体指哪些指标与情形。
- 阅读边界
- 摘要未说明删失规则、异质性分布、数据来源和改善幅度；因此无法判断结论对其他删失机制、模型设定或应用场景的适用范围。
原文摘要
This paper presents a methodology for addressing the problem of unobserved heterogeneity in the context of regression models based on censored samples. The effectiveness, feasibility, and usefulness of the proposed approach is illustrated by means of an empirical application as well as a simulation experiment. The paper demonstrates that censored regressions that control for the presence of unobserved heterogeneity perform substantially better in comparison to their counterparts in which the problem of unobserved heterogeneity is ignored.