Nonparametric identification of a binary random factor in cross section data
横截面数据中二元随机因子的非参数识别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：摘要明确指出该识别结果可用于处理身份不可观测时的平均处理效应点识别。
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
横截面数据中二元随机因子的非参数识别
- 研究问题
- 仅观察两个随机变量之和时，何时能够识别潜在二元因子及另一扰动的分布，并用于处理状态不可观测的处理效应？
- 方法与思路
- 作者利用独立、均值为零、二点因子分布不对称及扰动若干奇数阶矩为零等条件，建立识别并扩展到含协变量模型。
- 材料陈述的贡献
- 摘要称两类分布可非参数识别，并给出逐点根 n 收敛率估计量；该结果可支持处理身份不可观测时的平均处理效应点识别。
- 阅读关注点
- 应核对哪些奇数阶矩必须为零、分布不对称的作用，以及加入协变量后需要的条件和平均处理效应的解释。
- 阅读边界
- 仅依据所给出版社摘要；完整识别条件、估计构造和推断方法未说明，不能将结果推广到任意潜在二元变量或非对称扰动。
原文摘要
Suppose V and U are two independent mean zero random variables, where V has an asymmetric distribution with two mass points and U has some zero odd moments (having a symmetric distribution suffices). We show that the distributions of V and U are nonparametrically identified just from observing the sum V+U, and provide a pointwise rate root n estimator. This can permit point identification of average treatment effects when the econometrician does not observe who was treated. We extend our results to include covariates X, showing that we can nonparametrically identify and estimate cross section regression models of the form Y=g(X,D*)+U, where D* is an unobserved binary regressor.