A Smoothed Maximum Score Estimator for the Binary Response Model
二元响应模型的平滑最大得分估计量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：二元响应模型与最大得分估计直接属于离散选择方法，摘要未提供因果识别设计或面板数据结构的依据。
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
二元响应模型的平滑最大得分估计量
- 研究问题
- 在存在未知形式任意异方差的二元响应模型中，如何进行半参数估计，并获得可用于统计推断的极限分布？
- 方法与思路
- 作者对 Manski 最大得分目标函数进行类似核密度估计的平滑，再最大化该函数，并给出带宽选择及极限分布参数估计方法。
- 材料陈述的贡献
- 摘要称，在文中假设下估计量达到最快可能的概率收敛速度，中心化与标准化后渐近正态，且极限分布参数可一致估计。
- 阅读关注点
- 核对最快收敛速度所依赖的假设、平滑函数与带宽条件，以及极限分布参数的一致估计如何支持实际推断。
- 阅读边界
- 摘要未列出具体收敛速度、正则条件与带宽规则；“最快可能”仅针对文中假设，不能推广为所有二元模型下均最优。
原文摘要
This paper describes a semiparametric estimator for binary response models in which there may be arbitrary heteroskedasticity of unknown form. The estimator is obtained by maximizing a smoothed version of the objective function of C. Manski's maximum score estimator. The smoothing procedure is similar to that used in kernel nonparametric density estimation. The resulting estimator's rate of convergence in probability is the fastest possible under the assumptions that are made. The centered, normalized estimator is asymptotically normally distributed. Methods are given for consistently estimating the parameters of the limiting distribution and for selecting the bandwidth required by the smoothing procedure. Copyright 1992 by The Econometric Society.