Generalized M-Estimation in Censored Regression Model under Endogeneity
内生性下删失回归模型的广义 M 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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确利用工具变量和控制函数处理删失回归中的内生性，对应因果识别相关方法。
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…
内生性下删失回归模型的广义 M 估计
- 研究问题
- 在 Tobit 删失回归中解释变量存在内生性时，如何估计模型参数，并同时研究估计量的大样本性质与有限样本表现？
- 方法与思路
- 作者采用两阶段程序：先利用工具变量构造控制函数以处理内生性，再使用 M 估计获取删失回归中的未知参数。
- 材料陈述的贡献
- 摘要称推导并分析了所提估计量的大样本性质，并通过蒙特卡洛模拟和女性劳动参与相关应用考察其有限样本表现。
- 阅读关注点
- 应核对工具变量有效性与控制函数条件、删失机制、M 估计目标，以及第一阶段估计误差如何影响第二阶段推断。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收状态未核实。摘要未说明损失函数、识别条件及比较结果，不能据此断言效率或稳健性优势。
原文摘要
We propose and study M-estimation to estimate the parameters in the censored regression model in the presence of endogeneity, i.e., the Tobit model. In the course of this study, we follow two-stage procedures: the first stage consists of applying control function procedures to address the issue of endogeneity using instrumental variables, and the second stage applies the M-estimation technique to estimate the unknown parameters involved in the model. The large sample properties of the proposed estimators are derived and analyzed. The finite sample properties of the estimators are studied through Monte Carlo simulation and a real data application related to women's labor force participation.