Semiparametric least squares (SLS) and weighted SLS estimation of single-index models
单指标模型的半参数最小二乘与加权估计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：摘要明确列举二元选择模型作为单指标方法的适用对象，支持离散选择分类；其余对象不强行映射到其他细分。
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
单指标模型的半参数最小二乘与加权估计
- 研究问题
- 如何在单指标模型中估计仅能确定到乘法常数的系数，并通过加权方案改善效率，以覆盖选择、删失及持续期模型？
- 方法与思路
- 作者构造半参数最小二乘系数估计量，研究其收敛性质与渐近正态性，并考察能够达到半参数效率下界的加权方案。
- 材料陈述的贡献
- 摘要称估计量具有所述一致性与渐近正态性质，适用范围包括二元选择等模型，并讨论达到半参数效率下界的加权方法。
- 阅读关注点
- 应核对系数尺度归一化、单指标设定及平滑估计步骤，以及效率下界与加权方案所需的条件和实际实施方式。
- 阅读边界
- 仅据所给作者／机构库版本摘要，不能推断刊本变化；收敛率原文排版不清，需核对公式，摘要也未列出效率条件和模拟结果。
原文摘要
For the class of single-index models, I construct a semiparametric estimator of coefficients up to a multiplicative constant that exhibits 1 √n-consistency and asymptotic normality. This class of models includes censored and truncated Tobit models, binary choice models, and duration models with unobserved individual heterogeneity and random censoring. I also investigate a weighting scheme that achieves the semiparametric efficiency bound.