Maximum score estimation with nonparametrically generated regressors
含非参数生成回归变量的最大得分估计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。
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：摘要明确以不确定性下二元选择模型的偏好参数估计为动机，采用最大得分方法。
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
含非参数生成回归变量的最大得分估计
- 研究问题
- 当不确定性下的二元选择规则取决于未知条件期望时，如何两阶段估计偏好参数，第一阶段误差何时不改变其渐近分布？
- 方法与思路
- 作者先非参数估计条件期望，再将选择数据及第一阶段估计代入 Manski 最大得分程序，并研究一般生成回归变量情形。
- 材料陈述的贡献
- 摘要称，论文建立两阶段估计的一致性和收敛速度，给出与已知第一阶段输入的单阶段估计分布等价的充分条件，并提供模拟。
- 阅读关注点
- 应核对偏好参数的识别与标准化、第一阶段精度和光滑性要求，以及分布等价条件是否与实际可用的非参数估计相容。
- 阅读边界
- 摘要未写出具体速度、充分条件或模拟结果，不能认为任意第一阶段估计都不影响最大得分估计，也不能直接套用常规正态推断。
原文摘要
The estimation problem in this paper is motivated by the maximum score estimation of preference parameters in the binary choice model under uncertainty in which the decision rule is affected by conditional expectations. The preference parameters are estimated in two stages. We estimate conditional expectations nonparametrically in the first stage. Then, in the second stage, we estimate the preference parameters based on the maximum score estimator of Manski, using the choice data and first‐stage estimates. This setting can be extended to maximum score estimation with nonparametrically generated regressors. In this paper, we establish consistency and derive the rate of convergence of the two‐stage maximum score estimator. Moreover, we also provide sufficient conditions under which the two‐stage estimator is asymptotically equivalent in distribution to the corresponding single‐stage estimator that assumes the first‐stage input is known. We also present some Monte Carlo simulation results for the finite‐sample behaviour of the two‐stage estimator.