Estimating separable matching models
可分离匹配模型的估计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：摘要直接估计具有可转移效用和不可观测异质性的匹配模型，并利用剩余结构构造估计方法，因此归入结构估计。
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
可分离匹配模型的估计
- 研究问题
- 在可转移效用匹配模型中，若联合剩余对不可观测异质性的来源具有可分离性，如何简便估计而无需求解稳定匹配？
- 方法与思路
- 作者提出基于匹配广义熵的最小距离估计；对 Choo–Siow 模型，则将其改写为含双向固定效应的广义线性模型。
- 材料陈述的贡献
- 摘要称，两种方法均无需求解稳定匹配，易于应用且表现良好；其中第二种方法针对较特殊的 Choo–Siow 模型。
- 阅读关注点
- 应核对剩余可分离限制、广义熵的构造、参数识别及两种估计方法的适用范围，并查看表现良好的具体评价依据。
- 阅读边界
- 仅依据所给 Crossref 版本摘要；异质性分布、识别条件、推断方法及性能证据未说明，不能据此判断普遍适用性。
原文摘要
Summary Most recent empirical applications of matching with transferable utility have imposed a natural restriction: that the joint surplus be separable in the sources of unobserved heterogeneity. We propose here two simple methods to estimate models in this class. The first method is a minimum distance estimator that relies on the generalized entropy of matching. The second applies to the more special but popular Choo and Siow model, which reformulates as a generalized linear model with two‐way fixed effects. Neither method requires solving for the stable matching. Both methods are easy to apply and perform very well.