Exact computation of GMM estimators for instrumental variable quantile regression models
工具变量分位数回归模型中GMM估计量的精确计算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：摘要明确研究工具变量分位数回归的GMM估计，直接对应分位数与分布效应；未进一步说明因果效应或结构模型设定。
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
工具变量分位数回归模型中GMM估计量的精确计算
- 研究问题
- 工具变量分位数回归中的GMM估计问题能否获得等价的优化表示，从而精确计算估计量，并用于模拟及实际需求分析？
- 方法与思路
- 作者将工具变量分位数回归的GMM估计问题等价改写为混合整数二次规划，并通过蒙特卡洛实验和鱼类需求应用说明算法用途。
- 材料陈述的贡献
- 摘要的核心贡献是建立GMM估计问题与混合整数二次规划的等价性，使该模型的估计量可以精确计算，并提供模拟与应用示例。
- 阅读关注点
- 核对等价转换的证明、整数变量与约束的构造、精确求解的判定标准，以及样本规模增加时的计算成本和鱼类需求设定。
- 阅读边界
- 摘要未说明识别条件、求解器、终止准则或计算复杂度；精确计算的陈述不足以判断统计效率、推断性质或大规模计算表现。
原文摘要
Summary We show that the generalized method of moments (GMM) estimation problem in instrumental variable quantile regression (IVQR) models can be equivalently formulated as a mixed‐integer quadratic programming problem. This enables exact computation of the GMM estimators for the IVQR models. We illustrate the usefulness of our algorithm via Monte Carlo experiments and an application to demand for fish.