Threshold Regression With a Threshold Boundary
具有门槛边界的门槛回归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：摘要研究一般门槛回归及劳动经济学应用，未明确时间结构变化、面板或结构估计，无法确定给定细分。
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
具有门槛边界的门槛回归
- 研究问题
- 门槛回归中的门槛边界如何计算与估计，门槛参数应怎样进行区间推断，又如何检验线性模型是否存在门槛效应？
- 方法与思路
- 作者提出门槛边界计算算法，在固定与小门槛效应框架下推导最小二乘估计的渐近性质，并构造检验门槛效应的得分型统计量。
- 材料陈述的贡献
- 摘要称，反演似然比法不适合该模型的门槛参数置信集，而非参数后验区间仍适用；新得分检验较通常的 Wald 检验计算负担更低。
- 阅读关注点
- 核对门槛边界如何参数化、两种门槛效应框架的差异、似然比区间不适用的原因，以及得分检验的模拟临界值和劳动经济学应用。
- 阅读边界
- 摘要未说明门槛边界的具体形式及推断所需条件；区间方法适用性、计算优势和应用中的门槛变化均需结合全文设定核对。
原文摘要
This article studies computation, estimation, inference, and testing for linearity in threshold regression with a threshold boundary. We first put forward a new algorithm to ease the computation of the threshold boundary, and develop the asymptotics for the least squares estimator in both the fixed-threshold-effect framework and the small-threshold-effect framework. We also show that the inverting-likelihood-ratio method is not suitable to construct confidence sets for the threshold parameters, while the nonparametric posterior interval is still applicable. We then propose a new score-type test to test for the existence of threshold effects. Comparing with the usual Wald-type test, it is computationally less intensive, and its critical values are easier to obtain by the simulation method. Simulation studies corroborate the theoretical results. We finally conduct two empirical applications in labor economics to illustrate the nonconstancy of thresholds.