Nonparametric analysis of a duration model with stochastic unobserved heterogeneity
具有随机未观测异质性的持续期模型非参数分析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：摘要研究含未观测异质性的持续期风险率模型，并识别和估计其潜在分布及模型函数。
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
具有随机未观测异质性的持续期模型非参数分析
- 研究问题
- 在单次持续期风险率模型中，若未观测异质性由随机过程刻画，如何同时识别其分布及模型函数并实施非参数估计？
- 方法与思路
- 作者用 Lévy subordinator 描述异质性，通过未知核的第一类非线性 Volterra 方程识别，并提出形状约束两步筛最小距离估计。
- 材料陈述的贡献
- 摘要称在正则条件及较少协变量变动下，可识别异质性分布对应的核和相关函数，推导收敛率并以模拟评估估计表现。
- 阅读关注点
- 应核对异质性过程的结构限制、协变量所需变动、积分方程解的唯一性，以及形状约束、筛空间与收敛率之间的关系。
- 阅读边界
- 仅据所给出版社摘要，不能判断具体正则条件、协变量支持要求及反问题的稳定性，也无法量化有限样本误差。
原文摘要
This paper develops nonparametric identification and estimation results for a single-spell hazard model, where the unobserved heterogeneity is specified as a Lévy subordinator. The identification approach solves a nonlinear Volterra integral equation of the first kind with an unknown kernel function. Both the kernel of the integral operator, which models the distribution of the unobserved heterogeneity, and the functions that enter it are identified given regularity conditions and minimal variation in the observed covariates. The paper proposes a shape-constrained nonparametric two-step sieve minimum distance estimator. Rates of convergence are derived and Monte Carlo experiments show the finite sample performance of the estimator.