Instrumental Variable Estimation of Nonlinear Errors-in-Variables Models
非线性测量误差模型的工具变量估计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：摘要讨论一般测量误差回归的识别与估计，未给出足够的领域专属内容，因此不选择细分方向。
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
非线性测量误差模型的工具变量估计
- 研究问题
- 当回归解释变量存在测量误差时，如何利用工具变量识别非参数回归函数，并对参数化回归函数进行一致估计与渐近推断？
- 方法与思路
- 作者利用可观测变量条件期望的傅里叶变换与广义函数理论构造回归函数闭式表达，并将非参数核密度估计代入广义矩估计。
- 材料陈述的贡献
- 摘要称工具变量可实现非参数回归函数的识别；针对参数化函数提出 √n 一致且渐近正态的估计量，并用蒙特卡洛考察有限样本性质。
- 阅读关注点
- 核对工具变量与测量误差的完整条件、傅里叶变换和广义函数的适用范围，以及核密度估计、带宽选择与渐近方差的推导。
- 阅读边界
- 摘要未说明工具有效性、测量误差分布限制及变换所需条件，也未报告模拟结果；不能仅凭闭式识别表达判断估计稳定性或实际表现。
原文摘要
This paper establishes that instruments enable the identification of nonparametric regression models in the presence of measurement error by providing a closed form solution for the regression function in terms of Fourier transforms of conditional expectations of observable variables. For parametrically specified regression functions, we propose a root n consistent and asymptotically normal estimator that takes the familiar form of a generalized method of moments estimator with a plugged-in nonparametric kernel density estimate. Both the identification and the estimation methodologies rely on Fourier analysis and on the theory of generalized functions. The finite-sample properties of the estimator are investigated through Monte Carlo simulations.