AN INTEGRATED KERNEL-WEIGHTED SMOOTHED MAXIMUM SCORE ESTIMATOR FOR THE PARTIALLY LINEAR BINARY RESPONSE MODEL
部分线性二元响应模型的积分核加权平滑最大得分估计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：摘要直接研究部分线性二元响应模型和有限维选择参数的估计。
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
部分线性二元响应模型的积分核加权平滑最大得分估计
- 研究问题
- 在潜在方程包含未知函数、误差允许异方差的部分线性二元响应模型中，如何估计有限维参数并获得渐近推断？
- 方法与思路
- 作者基于平滑最大得分原理构造积分核加权估计，以误差给定协变量的条件中位数为零作为明确限制。
- 材料陈述的贡献
- 摘要称估计量一致且渐近正态；足够光滑时收敛率接近参数率，并称未知函数多元时可避免维数灾难，模拟表现良好。
- 阅读关注点
- 应核对条件中位数限制、参数识别与规范化、积分和核权重的构造，以及近参数收敛率和维数结论所需的光滑条件。
- 阅读边界
- 仅依据所给 Crossref 摘要版本，未核验刊本变化；摘要未给出精确收敛率、导数要求或模拟数值，不能据此确认普遍性能优势。
原文摘要
This paper considers a binary response model with a partially linear latent equation, where ϕ is an unknown function and β is a finite-dimensional parameter of interest. Using the principle of smoothed maximum score estimation (Horowitz, 1992; Econometrica 60(3), 505–531), a consistent and asymptotically normal (C.A.N.)estimator for β is proposed under the restriction that the median of the error conditional on the covariates is equal to 0. Furthermore, the rate of convergence in probability is close to the parametric rate, if certain functions admit enough derivatives. This method neither restricts the form of heteroskedasticity in the error term nor suffers from the curse of dimensionality whenever ϕ is multivariate. Some Monte Carlo experiments suggest that this estimator performs well compared with conventional estimators.