Likelihood Estimation and Inference in a Class of Nonregular Econometric Models
一类非正规计量经济模型中的似然估计与推断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：摘要明确研究条件密度跳跃的结构模型，并举拍卖竞价与均衡求职模型为例，因此直接归入结构估计这一细分方向。
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
一类非正规计量经济模型中的似然估计与推断
- 研究问题
- 对于条件密度存在跳跃、跳点与幅度由回归曲线决定的结构模型，如何克服不连续似然引发的非正规性并开展有效推断？
- 方法与思路
- 作者发展基于似然的贝叶斯和最大似然程序，推导收敛速度与分布理论，并据此构造贝叶斯及 Wald 推断；拍卖和求职模型为例。
- 材料陈述的贡献
- 摘要称基于后验分位数的贝叶斯置信区间可用于有效的大样本推断，且贝叶斯估计与区间在理论和计算上具有吸引力。
- 阅读关注点
- 阅读全文时应核对密度跳跃的参数化和识别条件、各参数的收敛速度，以及后验分位数区间为何具有大样本推断有效性。
- 阅读边界
- 摘要未说明跳跃大小、参数空间和先验的具体限制，也未给出极限分布与计算比较；推断有效性不能外推到任意不连续似然模型。
原文摘要
We study inference in structural models with a jump in the conditional density, where location and size of the jump are described by regression curves. Two prominent examples are auction models, where the bid density jumps from zero to a positive value at the lowest cost, and equilibrium job-search models, where the wage density jumps from one positive level to another at the reservation wage. General inference in such models remained a long-standing, unresolved problem, primarily due to nonregularities and computational difficulties caused by discontinuous likelihood functions. This paper develops likelihood-based estimation and inference methods for these models, focusing on optimal (Bayes) and maximum likelihood procedures. We derive convergence rates and distribution theory, and develop Bayes and Wald inference. We show that Bayes estimators and confidence intervals are attractive both theoretically and computationally, and that Bayes confidence intervals, based on posterior quantiles, provide a valid large sample inference method.