Sample selection models with monotone control functions
具有单调控制函数的样本选择模型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：摘要研究通用样本选择与形状约束方法，未明确涉及给定细分中的特定应用或模型方向。
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…
关注这篇论文的作者
具有单调控制函数的样本选择模型
- 研究问题
- 在不规定潜在误差参数分布的情况下，能否利用选择修正函数的单调性估计样本选择模型，并检验是否存在选择效应？
- 方法与思路
- 作者将潜在误差的正负依赖条件与 copula 限制联系起来，由此获得控制函数单调性，并构造无需调参的半参数估计与检验。
- 材料陈述的贡献
- 摘要称，论文给出控制函数单调性的充分条件，建立有限维参数估计的根号样本量一致性与渐近正态性，并提出选择性检验。
- 阅读关注点
- 应核对依赖条件与 copula 限制的等价关系、单调约束下的识别和估计构造，以及形状约束如何影响选择性检验。
- 阅读边界
- 所给出版社摘要未说明完整识别条件、经验应用内容和模拟数值；无需调参及渐近性质不能解释为任意选择机制下均适用。
原文摘要
The celebrated Heckman selection model yields a selection correction function (control function) proportional to the inverse Mills ratio, which is monotone. This paper studies a sample selection model that does not impose parametric distributional assumptions on the latent error terms, while maintaining the monotonicity of the control function. We show that a positive (negative) dependence condition on the latent error terms is sufficient for the monotonicity of the control function. The condition is equivalent to a restriction on the copula function of latent error terms. Using the monotonicity, we propose a tuning-parameter-free semiparametric estimation method and establish root n-consistency and asymptotic normality for the estimates of finite-dimensional parameters. A new test for selectivity is also developed in the presence of the shape restriction. Simulations and an empirical application are conducted to illustrate the usefulness of the proposed methods.