Semi-nonparametric models of multidimensional matching: An optimal transport approach
多维匹配的半非参数模型：最优传输方法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：摘要核心是劳动者与岗位匹配的结构模型及生产技术和均衡函数估计。
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
多维匹配的半非参数模型：最优传输方法
- 研究问题
- 劳动者与岗位的多维匹配中，如何放宽特征联合正态限制，并识别生产技术、均衡工资及匹配函数？
- 方法与思路
- 作者在可转移效用匹配模型中允许特征分布不受限制，利用最优传输理论建立识别，并提出灵活的筛估计量。
- 材料陈述的贡献
- 摘要称，估计量有效、一致且渐近正态；美国应用重分析发现更强的认知能力偏向技术进步，并更好拟合工资不平等演变。
- 阅读关注点
- 应核对可转移效用及均衡结构的识别条件、生产技术的规范化、筛空间选择，以及应用结论对模型设定的敏感性。
- 阅读边界
- 所给出版社摘要未说明完整识别条件、效率比较基准或拟合改进数值；特征分布灵活并不意味着模型没有其他结构限制。
原文摘要
This paper develops a set of empirically tractable and flexible sieve estimators for semi-nonparametric multidimensional matching models with transferable utility, focusing on worker-job matching. We generalize the parametric quadratic-Gaussian framework employed by Bojilov and Galichon (2016) and Lindenlaub (2017), which relies on joint normality of observed characteristics. We allow unrestricted distributions of characteristics and show identification of the production technology and the equilibrium wage and matching functions using optimal transport theory. Given identification, we propose efficient, consistent, and asymptotically normal sieve estimators. We revisit Lindenlaub’s empirical application and show that, between 1990 and 2010, the U.S. economy experienced much larger technological progress favoring cognitive abilities than the original findings suggest. Furthermore, our flexible model specifications provide a significantly better fit for patterns in the evolution of wage inequality.