The Effect of Truncation on the Identifiability of Regression Coefficients
截断对回归系数可识别性的影响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：摘要研究一般截断回归的参数识别边界，未明确涉及结构经济模型、分布效应或其他所列细分方向。
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…
关注这篇论文的作者
截断对回归系数可识别性的影响
- 研究问题
- 因变量被截断、部分观测不可见时，哪些误差分布会使原本可识别的回归系数失去可识别性？
- 方法与思路
- 作者刻画引发不可识别性的分布类，并在强单峰及进一步对称的密度类中分析指数形态、尾部和截断程度。
- 材料陈述的贡献
- 摘要称，特定分布与截断条件下，似然对回归系数完全平坦；在更受限的分布类中给出不可识别性的条件。
- 阅读关注点
- 应核对截断机制、可观测支持集、密度类限制及可识别性的定义，区分完全不可识别与有限样本估计困难。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；所述截断程度条件依赖特定密度类，不能推广为所有截断回归的通用阈值。
原文摘要
When data are truncated and hence partly unobservable, parameters identifiable under the complete observation may not be identifiable. A class of distributions is characterized, under which regression coefficients are unidentifiable by truncation of a dependent variable in the regression model. In a class of strongly unimodal densities regression coefficients are shown to be unidentifiable only when the underlying distribution is proportional to the exponential distribution in support of the truncated observation. The exponential, double exponential, and Huber's least-informative distribution for a location parameter are apparent examples of the distributions under which the unidentifiability can occur. In a more restrictive class of symmetric and strongly unimodal densities the unidentifiability arises only when the error distribution has exponential tails and the degree of truncation is at least 50%. The likelihood function becomes completely flat with respect to the regression coefficients and hence does not provide any power for the inference of the parameters here.