Instrumental Variable Estimation in Binary Regression Measurement Error Models
二元回归测量误差模型中的工具变量估计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：摘要直接研究二元响应回归；工具变量用于测量误差处理，但未明确提出因果效应识别。
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
二元回归测量误差模型中的工具变量估计
- 研究问题
- 解释变量带有测量误差时，如何利用工具变量估计二元响应回归参数，并与线性测量误差模型中的工具变量方法联系？
- 方法与思路
- 作者给出两种方法，以观测解释变量、工具变量和协变量构建二元响应的近似均值模型，再利用回归参数之间的关系估计。
- 材料陈述的贡献
- 摘要提出两种二元回归测量误差模型的工具变量估计途径，并在推导中得到线性测量误差模型工具变量估计的另一种刻画。
- 阅读关注点
- 应核对工具变量需满足的条件、均值模型近似的来源与误差、参数关系如何恢复目标参数，以及两种方法的适用区别。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；工具变量条件和近似精度未说明，不能断言精确识别、因果解释或有限样本优势，也不能推断刊本变化。
原文摘要
We describe two approaches to instrumental variable estimation in binary regression measurement error models. The methods entail constructing approximate mean models for the binary response as a function of the measured predictor, the instrument, and any covariates in the model. Estimates are obtained by exploiting relationships between regression parameters, just as in linear instrumental variable estimation. In the course of deriving the approximate mean models, we obtain an alternative characterization of instrumental variable estimation in linear measurement error models.