Using Heteroscedasticity to Identify and Estimate Mismeasured and Endogenous Regressor Models
利用异方差识别与估计含误测及内生回归变量的模型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：摘要围绕内生回归的识别展开，并给出恩格尔曲线应用，据此归入微观因果识别方法；具体因果解释仍需核对全文。
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
利用异方差识别与估计含误测及内生回归变量的模型
- 研究问题
- 当工具变量或重复测量等识别来源不可用时，能否利用异方差带来的协方差限制，识别含误测或内生回归变量的模型？
- 方法与思路
- 作者以异方差协方差限制建立识别，配套两阶段最小二乘或广义矩估计，并讨论半参数部分线性模型及点识别失效时的界限。
- 材料陈述的贡献
- 摘要称该方法可在缺少工具变量或重复测量时提供识别，并给出点识别假设不成立时的集合识别界限及恩格尔曲线应用。
- 阅读关注点
- 重点核对协方差限制的具体形式与经济含义、工具变量或矩条件的构造，以及误测、内生性和部分线性模型各自需要的识别假设。
- 阅读边界
- 摘要未列明协方差限制及其可检验性；存在异方差本身不保证识别成立，估计有效性和恩格尔曲线应用的解释仍需核对完整假设。
原文摘要
This article proposes a new method of obtaining identification in mismeasured regressor models, triangular systems, and simultaneous equation systems. The method may be used in applications where other sources of identification, such as instrumental variables or repeated measurements, are not available. Associated estimators take the form of two-stage least squares or generalized method of moments. Identification comes from a heteroscedastic covariance restriction that is shown to be a feature of many models of endogeneity or mismeasurement. Identification is also obtained for semiparametric partly linear models, and associated estimators are provided. Set identification bounds are derived for cases where point-identifying assumptions fail to hold. An empirical application estimating Engel curves is provided.