Lose weight for a raise only if overweight: Marginal integration for semi‐linear panel models
仅超重时减重才可能提高工资：半线性面板模型的边际积分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：摘要明确使用两期个体面板和半线性模型研究工资关系，但未给出足以支持因果推断分类的识别信息。
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
仅超重时减重才可能提高工资：半线性面板模型的边际积分
- 研究问题
- 放松 BMI 对体重和身高关系的固定函数形式后，给定身高的体重与工资关系是否存在传统线性模型遗漏的非线性？
- 方法与思路
- 作者使用白人女性的两期面板数据，将体重和身高纳入非参数函数、其他解释变量纳入线性部分；题名指向边际积分方法。
- 材料陈述的贡献
- 摘要称平均体重以下未发现体重效应，超过平均体重后出现较大负效应；线性 BMI 模型可能误示低体重收益并低估超重损失。
- 阅读关注点
- 应核对面板个体效应处理、边际积分实施和带宽选择，以及平均体重阈值、估计区间与体重内生性的处理方式。
- 阅读边界
- 仅据所给 Crossref 摘要；因果识别条件和估计不确定性未说明，不能把样本中的工资关系解释为个人减重的确定收益。
原文摘要
SUMMARY Some studies have shown that body mass index (BMI), weight (kg)/height (m) 2 , has a negative (or no) effect on wage. But BMI representing obesity is a tightly specified function of weight and height, and there is a room for weight given height (i.e. obesity given height) to better explain wage when the tight specification gets relaxed. In this paper, we address the question of weight effect on wage given height, employing two‐wave panel data for white females and adopting a semi‐linear model consisting of a nonparametric function of weight and height and a linear function of the other regressors. We find that there is no weight effect on wage up to the average weight, beyond which a large negative effect kicks in. Linear BMI models give the incorrect impression of the presence of a ‘wage gain’ by becoming slimmer than the average and of a ‘wage loss’ that is less than what it actually is when going above the average. Copyright © 2010 John Wiley & Sons, Ltd.