Conditional Stochastic Dominance Testing
条件随机占优检验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：摘要直接讨论条件分布及其矩的随机占优检验，并以培训后的收入分布作应用，核心对象是分布比较，因此归入分布分析。
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…
条件随机占优检验
- 研究问题
- 如何在不采用平滑估计、仅要求较弱光滑性的情况下，检验非参数条件分布及其矩之间的随机占优关系，并比较干预后的收入分布？
- 方法与思路
- 作者利用在各因变量取值处联合分布差对解释变量的单调性，比较受约束与无约束估计量，并以bootstrap实施条件随机占优检验。
- 材料陈述的贡献
- 摘要提出bootstrap条件随机占优检验，称其对非参数曲线的光滑性要求较低且无需平滑估计，并用模拟及随机劳动培训项目说明应用。
- 阅读关注点
- 全文应核对占优与单调性等价关系的适用条件、约束估计和bootstrap步骤，以及占优阶数、矩的范围及随机培训应用中的条件变量。
- 阅读边界
- 摘要未说明具体占优阶数、检验尺寸与功效，也未报告培训项目的实证结论；随机分配的应用背景不能替代对所检验条件分布含义的核对。
原文摘要
This article proposes bootstrap-based stochastic dominance tests for nonparametric conditional distributions and their moments. We exploit the fact that a conditional distribution dominates the other if and only if the difference between the marginal joint distributions is monotonic in the explanatory variable at each value of the dependent variable. The proposed test statistic compares restricted and unrestricted estimators of the difference between the joint distributions, and it can be implemented under minimal smoothness requirements on the underlying nonparametric curves and without resorting to smooth estimation. The finite sample properties of the proposed test are examined by means of a Monte Carlo study. We illustrate the test by studying the impact on postintervention earnings of the National Supported Work Demonstration, a randomized labor training program carried out in the 1970s.