Deconvolution from two order statistics
利用两个次序统计量进行反卷积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：摘要将测量误差识别结果用于含不可观测异质性的拍卖模型，并扩展至工资报价模型。
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
利用两个次序统计量进行反卷积
- 研究问题
- 当重复测量既受测量误差污染，又因排序而只能观测部分信息时，两个次序统计量是否足以非参数识别经典测量误差模型？
- 方法与思路
- 作者在独立加性测量误差模型中建立基于两个次序统计量的识别结果，扩展至异质误差，并改造既有模拟筛估计量作有限样本展示。
- 材料陈述的贡献
- 摘要称，两项次序统计量可实现所述模型的非参数识别，支持对称升价拍卖中的既有猜想，扩展还涵盖非对称拍卖与工资报价模型。
- 阅读关注点
- 应核对重复测量与误差独立性的准确条件、所需次序统计量的类型、异质误差扩展的限制，以及模拟筛估计的实现和表现。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定完整识别条件、可识别对象及误差异质性的允许形式，也没有有限样本表现的具体数值。
原文摘要
Economic data are often contaminated by measurement errors and truncated by ranking. This paper shows that the classical measurement error model with independent and additive measurement errors is identified nonparametrically using only two order statistics of repeated measurements. The identification result confirms a hypothesis by Athey and Haile (2002) for a symmetric ascending auction model with unobserved heterogeneity. Extensions allow for heterogeneous measurement errors, broadening the applicability to additional empirical settings, including asymmetric auctions and wage offer models. We adapt an existing simulated sieve estimator and illustrate its performance in finite samples.