Iterative estimation of nonparametric regressions with continuous endogenous variables and discrete instruments
连续内生变量与离散工具变量下非参数回归的迭代估计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：摘要以工具变量处理连续解释变量的内生性，并应用于教育回报估计，为因果推断分类提供直接文本依据。
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…
连续内生变量与离散工具变量下非参数回归的迭代估计
- 研究问题
- 当解释变量连续且内生，而可用工具变量离散并与误差独立时，如何估计由非线性积分方程决定的非参数回归函数？
- 方法与思路
- 作者提出简单迭代估计程序，讨论部分渐近性质，在二元工具变量模拟中说明实现，并以教育回报估计展示应用。
- 材料陈述的贡献
- 摘要称为这一实施困难的非参数内生回归框架提供迭代方法、部分渐近分析，以及二元工具变量下的实施示例。
- 阅读关注点
- 应核对离散工具变量下函数识别的具体条件、迭代收敛与停止规则，以及误差独立假设在教育回报应用中的依据。
- 阅读边界
- 仅据所给出版社摘要，不能认为离散工具变量自动保证非参数识别；完整识别条件、收敛速度和应用结果未说明。
原文摘要
We consider a nonparametric regression model with continuous endogenous independent variables when only discrete instruments are available that are independent of the error term. Although this framework is very relevant for applied research, its implementation is challenging, as the regression function becomes the solution to a nonlinear integral equation. We propose a simple iterative procedure to estimate such models and showcase some of its asymptotic properties. In a simulation experiment, we detail its implementation in the case when the instrumental variable is binary. We conclude with an empirical application to returns to education.