跳到正文
← 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:摘要明确研究非参数工具变量回归的结构函数估计与筛最小距离方法。

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
Xiaohong Chen
Markus Reiss

计量经济学病态逆问题的收敛率最优性

研究问题
非参数间接回归与工具变量回归在何种正则条件下具有可达的极小极大风险界,轻度与严重病态情形如何统一处理?
方法与思路
作者以逼近数和连接条件建立平均积分平方误差的风险下界,再分析投影估计量与筛最小距离估计量能否达到该界。
材料陈述的贡献
摘要称,两类模型均有极小极大风险下界,所研究估计量在较大结构函数类上一致达到最优速率,涵盖两种病态程度。
阅读关注点
应核对函数类、损失定义及下界构造,比较两类正则条件的关系,并检查筛维度或投影截断怎样保证速率可达。
阅读边界
解读限于所给 Crossref 摘要。速率最优依赖指定函数类和损失;摘要未说明最优常数、自适应性或有限样本优势。

原文摘要

In this paper we clarify the relations between the existing sets of regularity conditions for convergence rates of nonparametric indirect regression (NPIR) and nonparametric instrumental variables (NPIV) regression models. We establish minimax risk lower bounds in mean integrated squared error loss for the NPIR and NPIV models under two basic regularity conditions: the approximation number and the link condition. We show that both a simple projection estimator for the NPIR model and a sieve minimum distance estimator for the NPIV model can achieve the minimax risk lower bounds and are rate optimal uniformly over a large class of structure functions, allowing for mildly ill-posed and severely ill-posed cases.

笔记与分组