Closed-form estimation and inference for panels with attrition and refreshment samples
存在样本流失与补充样本的面板数据闭式估计与推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接处理面板数据的样本流失、补充抽样及其识别估计，并提供收入数据应用，明确属于面板数据方法。
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
存在样本流失与补充样本的面板数据闭式估计与推断
- 研究问题
- 面板存在样本流失且拥有补充样本时，能否在允许非平凡流失机制的识别条件下，获得计算简便的估计与推断？
- 方法与思路
- 作者提出替代性的非参数识别假设，通过变换数据的经验累积分布函数形成估计算法，第一步无需调参或数值优化。
- 材料陈述的贡献
- 摘要称，估计量具有一致性和渐近正态性，模拟表现良好，并以美国 Understanding America Study 收入数据作说明。
- 阅读关注点
- 应核对替代识别假设的实际含义、补充样本与原面板的可比性、经验分布变换，以及闭式性质适用于哪些估计步骤。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未给出识别假设与完整算法，闭式且无需优化的表述明确针对第一步。
原文摘要
It has long been established that, if a panel dataset suffers from attrition, auxiliary (refreshment) sampling restores full identification under additional assumptions that still allow for nontrivial attrition mechanisms. Such identification results rely on implausible assumptions about the attrition process or lead to theoretically and computationally challenging estimation procedures. We propose an alternative identifying assumption that, despite its nonparametric nature, suggests a simple estimation algorithm based on a transformation of the empirical cumulative distribution function of the data. This estimation procedure requires neither tuning parameters nor optimization in the first step, i.e., it has a closed form. We prove that our estimator is consistent and asymptotically normal and demonstrate its good performance in simulations. We provide an empirical illustration with income data from the Understanding America Study.