Robust inference in deconvolution
反卷积中的稳健推断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：摘要明确以重复测量及含潜变量的面板模型为研究背景。
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
反卷积中的稳健推断
- 研究问题
- 在含潜变量的重复测量误差模型中，如何利用 Kotlarski 恒等式为潜变量密度构造具有统一有效性的置信带？
- 方法与思路
- 作者将 Kotlarski 恒等式改写为一组线性矩限制，据此构造潜变量密度置信带，且不要求完备性条件。
- 材料陈述的贡献
- 摘要称置信带在一类数据生成过程中统一控制渐近检验水平，对所有固定备择一致，并由模拟支持理论结果。
- 阅读关注点
- 应核对测量误差和潜变量的限制、线性矩条件的构造、统一性覆盖的数据生成过程，以及置信带的计算方法。
- 阅读边界
- 仅据所给 Crossref 摘要，不要求完备性并不排除其他条件；具体条件与有限样本覆盖表现未说明，不推断刊本变化。
原文摘要
Kotlarski's identity has been widely used in applied economic research based on repeated‐measurement or panel models with latent variables. However, how to conduct inference for these models has been an open question for two decades. This paper addresses this open problem by constructing a novel confidence band for the density function of a latent variable in repeated measurement error model. The confidence band builds on our finding that we can rewrite Kotlarski's identity as a system of linear moment restrictions. Our approach is robust in that we do not require the completeness. The confidence band controls the asymptotic size uniformly over a class of data generating processes, and it is consistent against all fixed alternatives. Simulation studies support our theoretical results.