Efficient semiparametric estimation for endogenously stratified regression via smoothed likelihood
通过平滑似然高效估计内生分层回归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：摘要研究内生分层抽样与半参数回归，未明确涉及离散选择、处理效应或其他给定细分。
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…
关注这篇论文的作者
通过平滑似然高效估计内生分层回归
- 研究问题
- 在两个内生分层、误差分布未知且解释变量与误差独立的回归中，如何进行有效半参数估计并处理不同抽样方案？
- 方法与思路
- 作者采用核平滑似然，为未知密度的极大化问题提供显式解，同时考虑标准分层抽样、变概率抽样及总体分层份额已知或未知。
- 材料陈述的贡献
- 摘要称所提半参数估计量具有有效性，核平滑似然在渐近极限不损失信息，并覆盖两类抽样和不同分层份额信息情形。
- 阅读关注点
- 应核对内生分层机制、抽样概率和份额信息如何进入似然，以及误差独立条件、带宽要求和半参数效率界的具体推导。
- 阅读边界
- 摘要明确限定两层且解释变量与误差独立，未提供有限样本结果；不能据此扩展到多层抽样或存在回归内生性的情形。
原文摘要
This paper presents efficient semiparametric estimators for endogenously stratified regression with two strata, in the case where the error distribution is unknown and the regressors are independent of the error term. The method is based on the use of a kernel-smoothed likelihood function which provides an explicit solution for the maximization problem for the unknown density function without losing information in the asymptotic limit. We consider both standard stratified sampling and variable probability sampling, and allow for the population shares of the strata to be either unknown or known a priori.