Bayesian Analysis on Engel Curves Estimation With Measurement Errors and an Instrumental Variable
含测量误差与工具变量的恩格尔曲线估计：贝叶斯分析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：摘要估计给定Working–Leser形式的恩格尔曲线，研究消费需求关系中的测量误差，最直接对应微观需求的结构估计。
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
含测量误差与工具变量的恩格尔曲线估计：贝叶斯分析
- 研究问题
- 当恩格尔曲线的因变量与解释变量均存在测量误差时，如何进行贝叶斯估计，没有额外工具变量时又能获得何种估计信息？
- 方法与思路
- 作者对Working–Leser形式的恩格尔曲线同时处理两侧测量误差，给出有工具变量与无工具变量的贝叶斯估计程序，并与Lewbel的GMM估计比较。
- 材料陈述的贡献
- 摘要称，贝叶斯方案无需非贝叶斯方案所需的额外工具变量信息，并给出两类估计流程；摘要未报告与GMM比较的具体结果。
- 阅读关注点
- 核对无工具变量时的信息来源与识别条件、先验及两侧测量误差设定，并检查与GMM比较时的信息集和评价指标是否一致。
- 阅读边界
- 摘要未说明先验、测量误差分布或识别条件；无需工具变量的说法不能单独证明参数可由观测数据识别，也不能证明估计更优。
原文摘要
In this article, we consider the Bayesian estimation of Engel curves specified as the Working–Leser form with the measurement errors on both the left and the right sides. It is noteworthy that in the Bayesian approach no additional variation data (i.e., instrumental variables) are required in contrast with the non-Bayesian approach. We present the Bayesian estimation procedure in both models without an instrumental variable and with an instrumental variable. We also compare our results with the generalized method of moments estimates proposed by Lewbel.