Robust inference for threshold regression models
阈值回归模型的稳健推断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：摘要讨论一般阈值回归的折点与跳跃，未明确时间断点或具体应用领域，不能直接归为结构变化。
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…
阈值回归模型的稳健推断
- 研究问题
- 当研究者不知道阈值处是连续折点还是不连续跳跃时，如何对阈值回归模型进行有效推断，并构造未知阈值的置信区间？
- 方法与思路
- 作者在包含折点与跳跃的框架下分析非规则渐近性质，研究阈值的准似然比统计量，并通过 bootstrap 检验反演构造置信区间。
- 材料陈述的贡献
- 摘要称折点限制对应 Hessian 的非规则点，阈值估计呈立方根收敛；同时获得所述准似然比极限分布并提出置信区间方法。
- 阅读关注点
- 应核对折点与跳跃情形下的参数化、非规则点及收敛率条件，重点查看准似然比结果和 bootstrap 反演的有效性范围。
- 阅读边界
- 仅依据所给出版社摘要，无法判断程序是否对所有接近折点的设定一致有效；应用场景和具体条件未说明，也不能认定属于时间结构变化。
原文摘要
This paper considers robust inference in threshold regression models when the practitioners do not know whether at the threshold point the true specification has a kink or a jump, nesting previous works that assume either continuity or discontinuity at the threshold. We find that the parameter values under the kink restriction are irregular points of the Hessian matrix, destroying the asymptotic normality and inducing the cube-root convergence rate for the threshold estimate. However, we are able to obtain the same asymptotic distribution as Hansen (2000) for the quasi-likelihood ratio statistic for the unknown threshold. We propose to construct confidence intervals for the threshold by bootstrap test inversion. Finite sample performances of the proposed procedures are examined through Monte Carlo simulations and an economic empirical application is given.