A consistent bootstrap procedure for the maximum score estimator
最大得分估计量的一致自助法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：摘要围绕二元选择模型中的最大得分估计与自助推断展开，直接支持离散选择分类，未明确涉及其他所列经济应用方向。
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…
最大得分估计量的一致自助法
- 研究问题
- 研究如何为二元选择模型的最大得分估计量实施有效自助推断，并寻找保证自助法一致性的条件和可用计算程序。
- 方法与思路
- 作者提出基于模型的平滑自助法，给出该问题中一般自助程序一致性的充分条件，并用模拟比较不同自助方案的表现。
- 材料陈述的贡献
- 摘要称，新平滑自助法具有一致性，模拟中优于包括 m-out-of-n 在内的其他方案，并给出二元选择相关三角阵收敛定理。
- 阅读关注点
- 应核对模型平滑的对象、平滑参数选择及一致性条件，并检查三角阵定理如何支撑自助推断和有限样本比较指标。
- 阅读边界
- 仅据所给出版社摘要，无法判断平滑参数的实用选择规则；模拟中的相对优势不构成对所有样本规模和设计的普遍保证。
原文摘要
In this paper we propose a new model-based smoothed bootstrap procedure for making inference on the maximum score estimator of Manski (1975, 1985) and prove its consistency. We provide a set of sufficient conditions for the consistency of any bootstrap procedure in this problem. We compare the finite sample performance of different bootstrap procedures through simulation studies. The results indicate that our proposed smoothed bootstrap outperforms other bootstrap schemes, including the m-out-of-n bootstrap. Additionally, we prove a convergence theorem for triangular arrays of random variables arising from binary choice models, which may be of independent interest.