Inference in models with partially identified control functions
部分识别控制函数模型中的推断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：摘要讨论控制函数界与一般半参数推断，未明确对应所列细分领域的具体研究对象，故暂不分类。
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
部分识别控制函数模型中的推断
- 研究问题
- 当处理样本选择或内生性的控制函数不可观测、只能获得协变量决定的界时，如何构造可检验含义并开展参数推断？
- 方法与思路
- 作者比较控制函数界互不相交的观测对，在一定条件下导出成对函数不等式，并据此提出推断程序及分析其性质。
- 材料陈述的贡献
- 摘要称，即使无法按控制函数取值匹配观测，仍可利用不相交的界获得可检验限制，为这类部分识别模型提供推断方法。
- 阅读关注点
- 应核对控制函数界的来源、不相交比较为何产生有效不等式，以及推断程序的适用条件、识别内容与误差控制方式。
- 阅读边界
- 仅据所给 OpenAlex 摘要，具体条件、推断性质与证明均未说明；无法判断界的紧度，也不能推断其他版本的变化。
原文摘要
In multiple contributions to the literature, James L. Powell and coauthors have developed estimators for semiparametric models where sample selectivity and/or endogeneity can be handled through a “control function”. Their methods rely on pairwise comparisons of observations which match (asymptotically) the control functions. Conditional on this matching, a moment condition can identify the parameters of the model. However, there exist instances where the control functions are unobserved, but we have bounds for them which depend on observable covariates. These bounds can arise directly from the nature of the data available (e.g, with interval data), or they can be derived from an economic model. The inability to observe the control functions precludes the matching proposed in Powell’s methods. In this paper we show that, under certain conditions, testable implications can still be obtained through pairwise comparisons of observations for which the control-function bounds are disjoint . Testable implications now take the form of pairwise functional inequalities. We propose an inferential procedure based on these pairwise inequalities and we analyze its properties.