Identification and nonparametric estimation of a transformed additively separable model
变换加性可分模型的识别与非参数估计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：摘要明确将方法用于广义位似生产函数的估计，支持生产技术相关的结构估计方向。
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…
变换加性可分模型的识别与非参数估计
- 研究问题
- 当可估计函数满足 r(x,z)=H[G(x)+F(z)] 且 H 严格单调时，如何识别并估计未知变换和加性组成部分？
- 方法与思路
- 作者在 r 为条件均值函数时提出各组成部分的估计算法，利用边际积分分离 G 与 F，并以模拟和生产函数应用展示。
- 材料陈述的贡献
- 摘要称估计量具有正态极限分布，收敛速度快于不受限制的非参数方法，并应用于中国四个行业的生产函数。
- 阅读关注点
- 应核对函数识别所需的归一化、支持集和导数条件，以及边际积分算法、收敛率比较与生产函数限制的对应关系。
- 阅读边界
- 所列出版社摘要只列出严格单调等部分设定，未完整说明识别条件、具体速率或应用结果，不能据此断言模型普遍可识别。
原文摘要
Let r(x,z) be a function that, along with its derivatives, can be consistently estimated nonparametrically. This paper discusses the identification and consistent estimation of the unknown functions H, M, G and F, where r(x,z)=H[M(x,z)], M(x,z)=G(x)+F(z), and H is strictly monotonic. An estimation algorithm is proposed for each of the model's unknown components when r(x,z) represents a conditional mean function. The resulting estimators use marginal integration to separate the components G and F. Our estimators are shown to have a limiting Normal distribution with a faster rate of convergence than unrestricted nonparametric alternatives. Their small sample performance is studied in a Monte Carlo experiment. We apply our results to estimate generalized homothetic production functions for four industries in the Chinese economy.