Testing identifying assumptions in nonseparable panel data models
非可分面板数据模型识别假设的检验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：摘要讨论面板模型平均偏效应的非参数识别，并检验支撑该识别的异质性限制。
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
非可分面板数据模型识别假设的检验
- 研究问题
- 非可分面板模型中识别平均偏效应所需的个体或时间异质性限制，能否通过结果变量分布上的可检验约束进行评估？
- 方法与思路
- 作者利用广义一阶差分识别假设所蕴含的分布等式限制，构造柯尔莫哥洛夫—斯米尔诺夫与克拉默—冯米塞斯检验。
- 材料陈述的贡献
- 摘要称这些检验的自助法临界值渐近有效，模拟显示良好有限样本性质，并以实证说明检验识别假设的用途。
- 阅读关注点
- 应核对时间同质性等假设如何导出分布限制、检验的备择范围、自助法条件，以及未拒绝时能够保留何种识别解释。
- 阅读边界
- 仅依据所给出版社摘要；完整假设、检验功效与应用细节未说明，通过分布限制检验并不等于验证全部识别条件。
原文摘要
Recent work on nonparametric identification of average partial effects (APEs) from panel data require restrictions on individual or time heterogeneity. Identifying assumptions under the “generalized first-differencing” category, such as time homogeneity (Chernozhukov et al., 2013), have testable equality restrictions on the distribution of the outcome variable. This paper proposes specification tests based on these restrictions. The bootstrap critical values for the resulting Kolmogorov–Smirnov and Cramer–von-Mises statistics are shown to be asymptotically valid and deliver good finite-sample properties in Monte Carlo simulations. An empirical application illustrates the merits of testing nonparametric identification from an empiricist’s perspective.