Local Linear GMM Estimation of Functional Coefficient IV Models With an Application to Estimating the Rate of Return to Schooling
函数系数工具变量模型的局部线性 GMM 估计及教育回报应用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：摘要明确使用工具变量处理内生解释变量，并以教育回报为应用对象，支持归入因果推断方向。
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…
函数系数工具变量模型的局部线性 GMM 估计及教育回报应用
- 研究问题
- 在解释变量内生且数据兼有离散与连续变量时，如何估计随特征变化的函数系数，并检验教育回报是否可以用常数系数概括？
- 方法与思路
- 作者采用局部线性 GMM，推导渐近正态性及该估计类内的最优工具变量，允许数据依赖带宽，并构造系数恒定性检验及自助法版本。
- 材料陈述的贡献
- 摘要称，文章建立估计与检验的渐近性质；澳大利亚纵向调查应用拒绝教育回报恒定假设，并认为既有研究在各工作经验水平上倾向高估回报。
- 阅读关注点
- 阅读时核对工具变量的构造与有效性、混合变量的平滑方式、最优性的比较范围、带宽和自助法实施，以及教育回报随工作经验的变化。
- 阅读边界
- 最优性限于摘要所述局部线性 GMM 估计类；摘要未说明应用中的工具变量及其有效性，教育回报的因果解释与具体检验证据需另行核对。
原文摘要
We consider the local linear generalized method of moment (GMM) estimation of functional coefficient models with a mix of discrete and continuous data and in the presence of endogenous regressors. We establish the asymptotic normality of the estimator and derive the optimal instrumental variable that minimizes the asymptotic variance-covariance matrix among the class of all local linear GMM estimators. Data-dependent bandwidth sequences are also allowed for. We propose a nonparametric test for the constancy of the functional coefficients, study its asymptotic properties under the null hypothesis as well as a sequence of local alternatives and global alternatives, and propose a bootstrap version for it. Simulations are conducted to evaluate both the estimator and test. Applications to the 1985 Australian Longitudinal Survey data indicate a clear rejection of the null hypothesis of the constant rate of return to education, and that the returns to education obtained in earlier studies tend to be overestimated for all the work experience.