Identification in a generalization of bivariate probit models with dummy endogenous regressors
含二元内生解释变量的广义双变量Probit模型识别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三角结构系统及双变量Probit推广模型的识别。
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
含二元内生解释变量的广义双变量Probit模型识别
- 研究问题
- 在两个二元内生变量组成的三角方程系统中，排除限制何时能够实现全局识别，共同外生变量与误差边际分布又如何影响结论？
- 方法与思路
- 作者以满足特定依赖排序的参数化copula描述潜在误差联合分布，先允许任意但已知的边际，再将识别分析扩展到未知边际情形。
- 材料陈述的贡献
- 摘要称无共同外生变量时，排除限制对所述模型的全局识别必要且充分；有共同外生变量时则给出充分性，排除变量可为二元。
- 阅读关注点
- 应核对copula依赖排序及其他条件、全局识别的参数范围，并区分已知与未知边际、存在与不存在共同外生变量的结论。
- 阅读边界
- 仅据出版社摘要，无法获知完整识别条件；必要充分性属于所述模型类别，未知边际情形的具体结果亦未说明，不能无条件推广。
原文摘要
This paper provides identification results for a class of models specified by a triangular system of two equations with binary endogenous variables. The joint distribution of the latent error terms is specified through a parametric copula structure that satisfies a particular dependence ordering, while the marginal distributions are allowed to be arbitrary but known. This class of models is broad and includes bivariate probit models as a special case. The paper demonstrates that having an exclusion restriction is necessary and sufficient for global identification in a model without common exogenous covariates, where the excluded variable is allowed to be binary. Having an exclusion restriction is sufficient in models with common exogenous covariates that are present in both equations. The paper then extends the identification analyses to a model where the marginal distributions of the error terms are unknown.