Raking for estimation and inference in panel models with nonignorable attrition and refreshment
不可忽略流失与补充抽样面板模型中的比例迭代估计与推断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。
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：摘要明确以面板数据的不可忽略流失、补充抽样和相应估计推断为研究对象，直接对应面板数据方向。
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…
不可忽略流失与补充抽样面板模型中的比例迭代估计与推断
- 研究问题
- 面板存在不可忽略流失时，如何利用补充样本恢复识别，并将目标密度的函数最小化问题转化为可实施的估计与推断程序？
- 方法与思路
- 作者在观测数据分布具有参数形式时，用迭代比例拟合求解目标密度，再将密度估计代入参数矩条件，并递归估计渐近方差。
- 材料陈述的贡献
- 摘要称该算法也适用于连续数据且收敛较快，建立密度和矩估计量的一致性及收敛率，并报告模拟与美国面板数据应用。
- 阅读关注点
- 应核对补充样本如何实现识别、观测分布参数化的作用、比例迭代的收敛条件，以及密度估计误差如何传递至矩估计和方差。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明所谓弱流失假设的具体内容，也未报告参数设定失误时的表现。
原文摘要
In panel data subject to nonignorable attrition, auxiliary (refreshment) sampling may restore full identification under weak assumptions on the attrition process. Despite their generality, these identification strategies have seen limited empirical use, largely because the implied estimation procedure requires solving a functional minimization problem for the target density. When the distributions of the observed data are parametric, we show that this problem can be solved using the iterative proportional fitting (raking) algorithm, which converges rapidly even with continuous data. The resulting density estimator is then used as input into a parametric moment condition. We establish consistency and convergence rates for both the raking-based density estimator and the resulting moment estimator. We also derive a simple recursive procedure for estimating the asymptotic variance. Finally, we demonstrate the satisfactory performance of our estimator in simulations and provide an empirical illustration using data from the Understanding America Study panel.