Posterior Average Effects
后验平均效应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：摘要明确列举离散选择模型的平均偏效应，提供了离散选择分类的直接依据；其余例子未充分说明数据结构。
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
后验平均效应
- 研究问题
- 当目标是不可观测异质性分布的矩或平均偏效应时，依据样本进行后验条件化，能否降低潜在分布误设造成的总体平均量估计误差？
- 方法与思路
- 作者沿用经验贝叶斯与收缩思路，将目标平均量按给定样本的后验分布计算，并从潜在分布误设下的最坏情形误差分析其性质。
- 材料陈述的贡献
- 摘要称后验平均效应在多类分布误设下具有最小最坏情形设定误差，并提出后验信息量指标，以邻里效应和收入动态作说明。
- 阅读关注点
- 核对允许的误设集合、最坏情形比较的估计量范围及信息量指标定义，并区分总体平均量估计与个体潜在效应预测。
- 阅读边界
- 摘要未给出最优性成立的具体条件、后验构造与估计步骤；其最坏情形结论不能直接解释为所有误设下都无偏或更准确。
原文摘要
Economists are often interested in estimating averages with respect to distributions of unobservables, such as moments of individual fixed-effects, or average partial effects in discrete choice models. For such quantities, we propose and study posterior average effects (PAE), where the average is computed conditional on the sample, in the spirit of empirical Bayes and shrinkage methods. While the usefulness of shrinkage for prediction is well-understood, a justification of posterior conditioning to estimate population averages is currently lacking. We show that PAE have minimum worst-case specification error under various forms of misspecification of the parametric distribution of unobservables. In addition, we introduce a measure of informativeness of the posterior conditioning, which quantifies the worst-case specification error of PAE relative to parametric model-based estimators. As illustrations, we report PAE estimates of distributions of neighborhood effects in the U.S., and of permanent and transitory components in a model of income dynamics.