Nonparametric and Districtuion-Free Estimation of the Binary Threshold Crossing and The Binary Choice Models
二元阈值跨越与二元选择模型的非参数、分布无关估计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。
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：摘要明确研究二元阈值跨越与二元选择模型的识别和估计，直接对应离散选择，未提供其他细分方向的依据。
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
二元阈值跨越与二元选择模型的非参数、分布无关估计
- 研究问题
- 当可观测外生变量的系统函数和随机项分布均不设参数形式时，二元阈值跨越与二元选择模型能否识别并估计？
- 方法与思路
- 作者利用模型的识别结果，为外生变量的系统函数与随机项分布构造完全非参数极大似然估计，并提出两步计算程序。
- 材料陈述的贡献
- 摘要称相应条件下模型可被识别，所提出的非参数极大似然估计具有强一致性，并给出满足适用条件的经济模型例子。
- 阅读关注点
- 核对识别与强一致性分别需要哪些条件，两步程序如何估计两个未知对象，以及所举经济模型满足条件的具体方式。
- 阅读边界
- 摘要未说明具体识别条件、收敛速度或推断方法；“分布无关”与非参数设定不意味着无需结构限制或正则条件。
原文摘要
In this paper, it is shown that it is possible to identify binary threshold crossing models and binary choice models without imposing any parametric structure either on the systematic function of observable exogenous variables or on the distribution of the random term. This identification result is employed to develop a fully nonparametric maximum likelihood estimator for both the function of observable exogenous variables and the distribution of the random term. The estimator is shown to be strongly consistent, and a two step procedure for its calculation is developed. The paper also includes examples of economic models that satisfy the conditions that are necessary to apply the results.