Linear Regressions with Combined Data
无法匹配数据集的合并数据线性回归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。
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：摘要核心是无法匹配数据的线性回归与部分识别，尚不足以归入所列具体领域。
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…
无法匹配数据集的合并数据线性回归
- 研究问题
- 当结果变量与部分协变量分属无法匹配的两个数据集时，不依赖排除限制，回归系数还能识别到什么程度？共同观测变量能否进一步缩小范围？
- 方法与思路
- 作者以部分识别处理跨数据集的未知联合关系，推导系数的锐界，并利用共同观测但未纳入目标回归的变量收紧界限，构造计算简便的估计量。
- 材料陈述的贡献
- 摘要称，无排除限制时系数仍有形式简单的锐界，界限估计量具有渐近正态性，并展示专利批准中的种族差异及教育表现的应用。
- 阅读关注点
- 应核对锐界所依赖的观测信息、共同变量收紧界限的机制，以及界限估计的正则条件；应用中的回归关系能否解释为因果效应也需另查。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核验；摘要未说明具体条件、证明和应用数值，也不足以确认相关回归具有因果解释。
原文摘要
We study linear regressions in a context where the outcome of interest and some of the covariates are observed in two different datasets that cannot be matched. Traditional approaches obtain point identification by relying, often implicitly, on exclusion restrictions. We show that without such restrictions, coefficients of interest can still be partially identified, with the sharp bounds taking a simple form. We obtain tighter bounds when variables observed in both datasets, but not included in the regression of interest, are available, even if these variables are not subject to specific restrictions. We develop computationally simple and asymptotically normal estimators of the bounds. Finally, we apply our methodology to estimate racial disparities in patent approval rates and to evaluate the effect of patience and risk-taking on educational performance.