Estimation of Limited Dependent Variable Models With Dummy Endogenous Regressors
含内生虚拟解释变量的有限因变量模型估计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：摘要明确以处理的因果效应为估计目标，并讨论分布效应及含内生二元解释变量的分位数回归，支持这两个方向。
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
含内生虚拟解释变量的有限因变量模型估计
- 研究问题
- 当内生解释变量为二元变量、结果为二元或非负变量时，如何估计处理的因果效应，并分析生育对就业状态与工作时长的影响？
- 方法与思路
- 作者将估计目标转向处理的因果效应，讨论两阶段最小二乘、条件均值乘法模型、非线性模型线性近似，以及分布效应和分位数方法。
- 材料陈述的贡献
- 作者主张从结构系数转向因果效应可获得多种简单估计策略，并用多胎出生信息估计生育对就业状态与工作时长的影响，展示这些方法。
- 阅读关注点
- 逐一核对各方法的因果目标、识别条件与函数形式，尤其是分布及分位数效应的定义，以及多胎出生信息在生育效应识别中的作用。
- 阅读边界
- 摘要未说明各策略的具体识别假设、工具变量条件和实证效应大小；不能据此判断不同方法是否估计同一对象或多胎信息是否有效。
原文摘要
Applied economists have long struggled with the question of how to accommodate binary endogenous regressors in models with binary and nonnegative outcomes. I argue here that much of the difculty with limited dependent variables comes from a focus on structural parameters, such as index coefcients, instead of causal effects. Once the object of estimation is taken to be the causal effect of treatment, several simple strategies are available. These include conventional two-stage least squares, multiplicative models for conditional means, linear approximation of nonlinear causal models, models for distribution effects, and quantile regression with an endogenous binary regressor. The estimation strategies discussed in the article are illustrated by using multiple births to estimate the effect of childbearing on employment status and hours of work.