Sample selection models without exclusion restrictions: Parameter heterogeneity and partial identification
无排除限制的样本选择模型：参数异质性与部分识别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：摘要围绕经典样本选择模型的半参数结构、参数异质性和部分识别展开。
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
无排除限制的样本选择模型：参数异质性与部分识别
- 研究问题
- 在没有排除限制的经典样本选择模型中，引入参数异质性或异方差后，半参数模型还能产生哪些识别含义与可检验限制？
- 方法与思路
- 作者扩展半参数样本选择分析，允许参数异质性并推导模型含义，同时考虑异方差等扩展，以女性工资回归说明关键思想。
- 材料陈述的贡献
- 摘要称，所推导模型含义与未受大学教育女性的数据相容，却被大学及以上教育女性的数据强烈拒绝，显示分组检验的差异。
- 阅读关注点
- 应核对无排除限制下哪些参数只能部分识别、异质性如何设定、数据检验针对哪些模型含义，以及教育分组比较的实施细节。
- 阅读边界
- 仅据所给出版社摘要，不能把数据相容视为模型得到证明，也无法给出识别集；具体限制、检验数值及其他版本变化未说明。
原文摘要
This paper studies semiparametric versions of the classical sample selection model (Heckman, 1976, 1979) without exclusion restrictions. We extend the analysis in Honoré and Hu (2020) by allowing for parameter heterogeneity and derive implications of this model. We also consider models that allow for heteroskedasticity and briefly discuss other extensions. The key ideas are illustrated in a simple wage regression for females. We find that the derived implications of a semiparametric version of Heckman’s classical sample selection model are consistent with the data for women with no college education, but strongly rejected for women with a college degree or more.