Regression with an imputed dependent variable
使用插补因变量的回归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：摘要主要讨论跨数据集因变量插补与通用回归估计，未明确落入所列领域细分。
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…
使用插补因变量的回归
- 研究问题
- 当两个变量不在同一数据集中、只能借助跨调查共有代理变量插补因变量时，如何避免后续回归关系估计的不一致？
- 方法与思路
- 作者分析常用回归与匹配插补的问题，提出名为重缩放回归预测的两步估计量，推导渐近标准误，并讨论与其他方法的关系。
- 材料陈述的贡献
- 摘要称，常见插补程序导致不一致，而所提两步方法具有一致性且易实施；研究使用美国消费支出调查与PSID进行示例。
- 阅读关注点
- 应核对跨调查可比性和代理信息所需的条件、重缩放的具体构造，以及第一步估计误差如何进入第二步标准误。
- 阅读边界
- 摘要未说明一致性的完整条件或实证结果数值；使用PSID作为示例不等于提出面板方法，也未明确研究因果效应。
原文摘要
Summary Researchers are often interested in the relationship between two variables, with no single data set containing both. A common strategy is to use proxies for the dependent variable that are common to two surveys to impute the dependent variable into the data set containing the independent variable. We show that commonly employed regression or matching‐based imputation procedures lead to inconsistent estimates. We offer a consistent and easily implemented two‐step estimator, “rescaled regression prediction.” We derive the correct asymptotic standard errors for this estimator and demonstrate its relationship to alternative approaches. We illustrate with empirical examples using data from the US Consumer Expenditure Survey (CE) and the Panel Study of Income Dynamics (PSID).