Semiparametric estimation of a binary response model with a change-point due to a covariate threshold
协变量门限引致变点的二元响应模型半参数估计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：摘要直接研究二元响应模型的最大得分半参数估计，门限来自协变量而非时间断点。
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
协变量门限引致变点的二元响应模型半参数估计
- 研究问题
- 当二元响应回归因未知协变量门限出现变点，且异方差形式未知时，如何识别和估计门限及回归参数并刻画其极限分布？
- 方法与思路
- 作者使用最大得分估计，将有限维回归参数与未知形式异方差结合，分析未知门限及不连续目标函数带来的非正则性。
- 材料陈述的贡献
- 摘要称给出识别充分条件、一致性和极限分布；门限与其他参数误差分别为 n⁻¹、n⁻¹/³ 阶，且具有所述 oracle 效率性质。
- 阅读关注点
- 应核对识别条件、门限附近的分布要求和极限过程，并确认 oracle 效率是否表示另一参数已知时具有相同极限分布。
- 阅读边界
- 所给出版社摘要部分数学符号缺失，完整缩放与极限分布需核对全文；其中 oracle 效率不能直接解释为一般意义的最优效率。
原文摘要
This paper is concerned with semiparametric estimation of a threshold binary response model. The estimation method considered in the paper is semiparametric since the parameters for a regression function are finite-dimensional, while allowing for heteroskedasticity of unknown form. In particular, the paper considers Manski's [Manski, Charles F., 1975. Maximum score estimation of the stochastic utility model of choice. Journal of Econometrics 3 (3), 205-228; Manski, Charles F., 1985. Semiparametric analysis of discrete response. Asymptotic properties of the maximum score estimator. Journal of Econometrics 27 (3), 313-333] maximum score estimator. The model in this paper is irregular because of a change-point due to an unknown threshold in a covariate. This irregularity coupled with the discontinuity of the objective function of the maximum score estimator complicates the analysis of the asymptotic behavior of the estimator. Sufficient conditions for the identification of parameters are given and the consistency of the estimator is obtained. It is shown that the estimator of the threshold parameter, [gamma]0, is n-1-consistent and the estimator of the remaining regression parameters, [theta]0, is n-1/3-consistent. Furthermore, we obtain the asymptotic distribution of the estimator. It turns out that both estimators and are oracle-efficient in that and converge weakly to the distributions to which they would converge weakly if the other parameter(s) were known.