Identification and estimation of time-varying nonseparable panel data models without stayers
无原地不变个体的时变非可分面板模型识别与估计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：摘要直接研究非可分面板数据模型，并以结构函数的识别与估计为目标。
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
无原地不变个体的时变非可分面板模型识别与估计
- 研究问题
- 当结构函数可以随时期变化，且不存在两期解释变量取值相同的个体时，非可分面板模型的结构函数还能否被识别与估计？
- 方法与思路
- 作者利用结构函数对标量不可观测量严格递增、不可观测量条件分布跨期不变及联合支持条件，构造参数与非参数估计。
- 材料陈述的贡献
- 摘要称连续结果模型可非参数识别且不要求原地不变个体，结构函数允许任意时变；离散结果扩展获得部分识别。
- 阅读关注点
- 应核对不可观测量条件分布相对于哪些变量保持不变、联合支持条件的具体形式，以及离散结果下识别集合如何构造。
- 阅读边界
- 仅据所给出版社摘要，不能将无原地不变个体理解为不需要支持限制；摘要未列出完整条件、估计收敛性质及模拟数值。
原文摘要
This paper explores the identification and estimation of nonseparable panel data models. We show that the structural function is nonparametrically identified when it is strictly increasing in a scalar unobservable variable, the conditional distributions of unobservable variables do not change over time, and the joint support of explanatory variables satisfies some weak assumptions. To identify the target parameters, existing studies assume that the structural function does not change over time, and that there are “stayers”, namely individuals with the same regressor values in two time periods. Our approach, by contrast, allows the structural function to depend on the time period in an arbitrary manner and does not require the existence of stayers. In estimation part of the paper, we propose parametric and nonparametric estimators that implement our identification results. Monte Carlo studies indicate that our parametric estimator performs well in finite samples. Finally, we extend our identification results to models with discrete outcomes, and show that the structural function is partially identified.