Identification of nonparametric monotonic regression models with continuous nonclassical measurement errors
连续非经典测量误差下非参数单调回归模型的识别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：摘要讨论通用非参数回归与测量误差识别，未明确对应给定的应用领域细分。
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…
连续非经典测量误差下非参数单调回归模型的识别
- 研究问题
- 当连续解释变量不可观测且测量误差与其相关时，能否在没有重复测量、工具变量或辅助样本的情况下识别非参数回归？
- 方法与思路
- 作者结合回归函数单调性、回归误差独立性和测量误差分布完备性给出识别充分条件，并提出筛极大似然估计。
- 材料陈述的贡献
- 摘要称，该识别策略允许测量误差直接关联潜在解释变量，且无需额外数据来源；论文同时以模拟研究估计量的有限样本性质。
- 阅读关注点
- 应核对独立性针对哪些变量、完备性的具体表达，以及潜在变量尺度如何确定，并检查筛空间与似然构造的条件。
- 阅读边界
- 出版社摘要只概述主要识别假设，未说明其完整形式、可检验性及模拟表现；无需额外数据不代表无需强识别限制。
原文摘要
This paper provides sufficient conditions for identification of a nonparametric regression model with an unobserved continuous regressor subject to nonclassical measurement error. The measurement error may be directly correlated with the latent regressor in the model. Our identification strategy does not require the availability of additional data information, such as a secondary measurement, an instrumental variable, or an auxiliary sample. Our main assumptions for nonparametric identification include monotonicity of the regression function, independence of the regression error, and completeness of the measurement error distribution. We also propose a sieve maximum likelihood estimator and investigate its finite sample property through Monte Carlo simulations.