Nonparametric Identification and Estimation with Non-Classical Errors-in-Variables
非经典变量测量误差下的非参数识别与估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要属于回归测量误差的通用识别与估计理论，未明确涉及因果效应、结构模型或其他给定领域细分。
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…
关注这篇论文的作者
非经典变量测量误差下的非参数识别与估计
- 研究问题
- 当协变量存在测量误差且误差不必满足经典设定时，如何识别并非参数估计回归函数，是本文所研究的问题。
- 方法与思路
- 作者采用小测量误差近似，在工具变量满足一定条件时建立非参数识别，并构造回归函数估计量及分析其收敛速度。
- 材料陈述的贡献
- 摘要称，识别所需的工具变量条件较弱且易于解释，同时提供适用于非经典测量误差的非参数估计方法和收敛速率。
- 阅读关注点
- 应核对工具变量条件的精确定义、小误差近似的余项控制，并区分近似展开中的识别与原模型识别，检查收敛率所需条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未说明工具变量条件、误差尺度或具体收敛率，适用边界需查全文。
原文摘要
This paper considers nonparametric identification and estimation of the regression function when a covariate is mismeasured. The measurement error need not be classical. Employing the small measurement error approximation, we establish nonparametric identification under weak and easy-to-interpret conditions on the instrumental variable. The paper also provides nonparametric estimators of the regression function and derives their rates of convergence.