Bias From Censored Regressors
解释变量删失导致的估计偏差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：摘要讨论删失解释变量造成的通用线性回归偏差，虽涉及工具变量估计，但未提供足够文本依据归入所列领域细分。
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…
关注这篇论文的作者
解释变量删失导致的估计偏差
- 研究问题
- 在线性模型中，将受删失的解释变量直接用于估计会造成何种偏差，偏差如何随删失机制、内生性与估计方法变化？
- 方法与思路
- 作者分析外生删失下的普通最小二乘估计，以及被删失解释变量内生时的工具变量估计，并区分边界删失与独立删失。
- 材料陈述的贡献
- 摘要称，边界删失导致效应幅度偏大；独立删失下 OLS 出现衰减偏差、IV 出现放大偏差，多变量或二值替代时偏差可能严重。
- 阅读关注点
- 阅读全文时应核对两类删失机制的定义、偏差方向成立的条件，以及多个解释变量和连续变量二值化时的推导与示例。
- 阅读边界
- 摘要未说明工具变量有效性所需条件、偏差大小或可行的校正方案；这些偏差方向不能直接推广到任意删失数据与模型。
原文摘要
We study the bias that arises from using censored regressors in estimation of linear models. We present results on bias in ordinary least aquares (OLS) regression estimators with exogenous censoring and in instrumental variable (IV) estimators when the censored regressor is endogenous. Bound censoring such as top-coding results in expansion bias, or effects that are too large. Independent censoring results in bias that varies with the estimation method—attenuation bias in OLS estimators and expansion bias in IV estimators. Severe biases can result when there are several regressors and when a 0–1 variable is used in place of a continuous regressor.