Identification in Nonseparable Models
不可分离模型中的识别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：摘要聚焦不可分离结构函数的导数识别及异质政策影响的分位数，因此归入结构估计和分位数与分布效应。
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
不可分离模型中的识别
- 研究问题
- 当潜在随机变量以不可分离方式进入结构函数时，如何在较弱的局部限制下识别结构导数及其个体间分布的分位数？
- 方法与思路
- 作者提出局部秩条件、阶条件与分位数不敏感性条件，并用分位数回归函数的泛函表达结构导数；所列限制不要求潜在变量与协变量独立。
- 材料陈述的贡献
- 摘要称，满足所列条件时，可以识别观测协变量相同者之间异质政策影响的分位数，并由估计的分位数回归函数构造导数估计。
- 阅读关注点
- 阅读全文应核对局部识别对应的协变量和潜在变量分位点、分位数不敏感性的含义，以及结构导数解释为政策影响的条件。
- 阅读边界
- 这些结论只针对满足限制的局部位置与分位点；摘要未说明估计量的收敛速度、推断方法或条件失效时能够识别哪些对象。
原文摘要
Weak nonparametric restrictions are developed, sufficient to identify the values of derivatives of structural functions in which latent random variables are nonseparable. These derivatives can exhibit stochastic variation. In a microeconometric context this allows the impact of a policy intervention, as measured by the value of a structural derivative, to vary across people who are identical as measured by covariates. When the restrictions are satisfied quantiles of the distribution of a policy impact across people can be identified. The identification restrictions are local in the sense that they are specific to the values of the covariates and the specific quantiles of latent variables at which identification is sought. The conditions do not include the commonly required independence of latent variables and covariates. They include local versions of the classical rank and order conditions and local quantile insensitivity conditions. Values of structural derivatives are identified by functionals of quantile regression functions and can be estimated using the same functionals applied to estimated quantile regression functions.