Estimation and Inference for Multi-Threshold Regression with Endogeneity
存在内生性的多门槛回归估计与推断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：摘要核心是通用多门槛回归与内生性处理，尚不足以确定所列领域中的具体因果或结构估计方向。
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…
存在内生性的多门槛回归估计与推断
- 研究问题
- 在解释变量内生且存在多个门槛的回归模型中，如何确定门槛位置与数量，并检验门槛效应和内生性？
- 方法与思路
- 作者提出工具变量两阶段程序，以 group LASSO 筛选门槛，再用保序样本分割的自适应交叉验证确定门槛数量。
- 材料陈述的贡献
- 摘要称提出门槛数量选择准则和两类检验，以模拟及退休储蓄计划与财富的应用展示表现，并提供 R 包。
- 阅读关注点
- 应核对工具变量有效性、候选门槛筛选与精炼规则、保序分割的作用，以及选择门槛后推断如何处理估计不确定性。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要；识别条件、检验分布及有限样本优势的具体结果未说明，也不能推断后续刊本变化。
原文摘要
Heterogeneity and endogeneity become increasingly common in statistical modeling and econometric practice. Threshold regression provides a simple yet flexible modeling strategy to account for heterogeneity. This paper studies estimation and inference for multi-threshold regression with endogenous regressors. We exploit a novel two-stage estimation procedure based on instrumental variables, which first identifies a set of possible threshold locations using the group LASSO estimation, and then refines the candidate set by a predetermined selection criterion. Given that the performance of the conventional information criteria is sensitive to the choice of the penalization factor, we develop a data-adaptive threshold-based cross-validation criterion incorporating an order-preserved sample-splitting strategy to determine the number of thresholds. Regarding inference, we develop test statistics to test for the presence of threshold effects and the existence of endogeneity, respectively. Numerical simulations and an application analyzing the threshold effects of 401(k) plans on wealth demonstrate the excellent finite sample performance of our methods. Finally, we develop a user-friendly R package MultiThreshold to implement the methodologies.