Quantile Selection Models With an Application to Understanding Changes in Wage Inequality
分位数选择模型及其在工资不平等变化研究中的应用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：摘要明确处理分位数回归的样本选择修正，并分析工资分位数与不平等，直接对应分位数与分布效应这一细分。
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
分位数选择模型及其在工资不平等变化研究中的应用
- 研究问题
- 如何修正就业参与造成的样本选择，从而估计工资分位数并理解工资不平等的变化？反事实分析如何纳入均衡效应？
- 方法与思路
- 作者用 copula 描述结果方程百分位误差与参与误差的依赖，先以矩条件准则估计其参数，再调整分位水平并最小化旋转的分位损失函数。
- 材料陈述的贡献
- 摘要提出分位数回归的样本选择修正方法，并用于英国1978—2000年就业选择下的工资分位数，还扩展至含均衡效应的反事实分析。
- 阅读关注点
- 重点核对 copula 的设定与识别所需条件、矩条件来源、分位水平调整方式，以及英国应用中均衡效应进入反事实的机制。
- 阅读边界
- 摘要未说明识别假设、参与方程变量、copula 选择依据及工资不平等变化的具体结果，不能据此断言修正方向或因果效应。
原文摘要
We propose a method to correct for sample selection in quantile regression models.Selection is modelled via the cumulative distribution function, or copula, of the percentile error in the outcome equation and the error in the participation decision.Copula parameters are estimated by minimizing a method-of-moments criterion.Given these parameter estimates, the percentile levels of the outcome are re-adjusted to correct for selection, and quantile parameters are estimated by minimizing a rotated "check" function.We apply the method to correct wage percentiles for selection into employment, using data for the UK for the period 1978-2000.We also extend the method to account for the presence of equilibrium effects when performing counterfactual exercises.