跳到正文
← 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。

本页为预印本版本;arXiv 收录、作者填写的期刊信息以及作者既有发表经历,都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对,只展示已核实例,档案仍可能误合并。

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:摘要明确采用对抗式结构估计研究老年储蓄模型中的遗赠与预防性动机。

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
Tetsuya Kaji
Elena Manresa

老年人为何储蓄?利用健康冲击揭示遗赠动机

研究问题
老年单身者的储蓄有多少来自遗赠动机,又有多少来自预防性储蓄?性别、健康经历及生存预期差异能否帮助区分这两类动机?
方法与思路
作者将神经网络判别器嵌入对抗式结构估计,在既有老年储蓄模型中使用 AHEAD 数据,让判别器自适应选择有信息的数据特征。
材料陈述的贡献
摘要称,加入性别和健康历史改善遗赠动机的识别与精度;模型估计中,遗赠动机解释各永久收入五分位组晚年储蓄的13%—19%。
阅读关注点
应核对结构模型如何区分遗赠与预防性动机,健康及生存预期提供何种识别变异,以及判别器训练、估计不确定性和设定敏感性。
阅读边界
这是 arXiv 预印本,同行评审及期刊接收均未核验;报告比例属于作者的模型估计,摘要未说明完整识别条件、置信区间及稳健性结果。

原文摘要

We revisit the saving behavior of elderly singles using an adversarial structural estimation framework by Kaji, Manresa and Pouliot (2023). The method bridges the simulated method of moments (SMM) and maximum-likelihood estimation by embedding a flexible discriminator, implemented as a neural network, that adaptively selects the most informative features of the data. Applying this approach to the model of De Nardi, French, and Jones (2010) with AHEAD data, we show that including gender and health histories in the discriminator improves identification and precision of bequests motives. The resulting estimates reveal that bequest motives explain between $13\%$ and $19\%$ percent of late-life savings across all permanent-income quintiles, not only among the rich. The adversarial estimator precisely disentangles bequest motives from precautionary savings motives. These findings suggest that heterogeneity in health-related survival expectations is another important source of identifying variation to distinguishing bequest and precautionary saving motives.

笔记与分组