EFFICIENT SEMIPARAMETRIC SCORING ESTIMATION OF SAMPLE SELECTION MODELS
样本选择模型的有效半参数评分估计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：摘要明确讨论二元选择样本选择模型及其效率界，因此与离散选择直接相关，但没有因果效应识别的陈述。
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
样本选择模型的有效半参数评分估计
- 研究问题
- 研究一般样本选择模型如何以半参数方法估计，并在指数限制及特定条件下达到相应的半参数效率界。
- 方法与思路
- 作者提出基于指数限制和核估计的两步半参数评分程序，以半参数似然方法处理样本选择模型的估计问题。
- 材料陈述的贡献
- 摘要称估计量在正则条件下具有根号 n 一致性和渐近正态性，并达到指数限制下效率界；二元选择情形还涉及独立性效率界。
- 阅读关注点
- 应核对指数限制和独立性假设的具体含义、两步评分与核估计的构造，以及效率界所对应的模型和正则条件。
- 阅读边界
- 仅依据所给 Crossref 摘要，无法确认识别条件、带宽要求及有限样本表现；效率结论受所述模型限制约束。
原文摘要
A semiparametric likelihood method is proposed for the estimation of sample selection models. The method is a two-step semiparametric scoring estimation procedure based on an index restriction and kernel estimation. Under some regularity conditions, the estimator is square-root n -consistent and asymptotically normal. The estimator is also asymptotically efficient in the sense that its asymptotic covariance matrix attains the semiparametric efficiency bound under the index restriction. For the binary choice sample selection model, it also attains the efficiency bound under the independence assumption. This method can be applied to the estimation of general sample selection models.