Semi-nonparametric models of multidimensional matching: an optimal transport approach
多维匹配的半非参数模型：最优运输方法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：摘要直接研究劳动者与岗位匹配模型中生产技术及均衡函数的识别和估计，属于结构估计。
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
多维匹配的半非参数模型：最优运输方法
- 研究问题
- 在可转移效用的劳动者与岗位多维匹配中，如何放松特征联合正态限制，并识别生产技术、均衡工资与匹配函数？
- 方法与思路
- 作者利用最优运输理论研究识别，允许特征分布不受原有正态限制，并构造灵活的半非参数筛估计量。
- 材料陈述的贡献
- 摘要称筛估计具有有效性、一致性和渐近正态性；重访美国应用后，发现更强的认知偏向技术进步及更好的工资不平等拟合。
- 阅读关注点
- 应核对技术与均衡函数的具体识别条件、筛空间和有效性定义，以及应用中的技术进步结论如何随模型设定改变。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实。摘要未说明识别与渐近理论的具体条件，也未提供应用估计值及不确定性。
原文摘要
This paper develops a set of empirically tractable and flexible sieve estimators for semi-nonparametric multidimensional matching models with transferable utility, focusing on worker-job matching. We generalize the parametric quadratic-Gaussian framework employed by Bojilov and Galichon (2016) and Lindenlaub (2017), which relies on joint normality of observed characteristics. We allow unrestricted distributions of characteristics and show identification of the production technology and the equilibrium wage and matching functions using optimal transport theory. Given identification, we propose efficient, consistent, and asymptotically normal sieve estimators. We revisit Lindenlaub's empirical application and show that, between 1990 and 2010, the U.S. economy experienced much larger technological progress favoring cognitive abilities than the original findings suggest. Furthermore, our flexible model specifications provide a significantly better fit for patterns in the evolution of wage inequality.