A Monte Carlo comparison of semiparametric Tobit estimators
半参数 Tobit 估计量的蒙特卡洛比较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：摘要核心是删失回归估计量比较，零支出并不足以证明离散选择结构，也未明确研究分位数或分布效应等给定方向。
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
半参数 Tobit 估计量的蒙特卡洛比较
- 研究问题
- 不同半参数 Tobit 估计量与标准极大似然估计，在蒙特卡洛实验中表现如何，又如何用于包含零支出的恩格尔曲线估计？
- 方法与思路
- 作者提出 Horowitz 无分布假设最小二乘估计的条件期望版本，并以蒙特卡洛比较多种估计量，随后给出零支出的经验应用。
- 材料陈述的贡献
- 摘要明确贡献包括一个条件期望版本的估计量，以及涵盖标准 Tobit、Buckley–James、Horowitz 和 Powell 方法的比较。
- 阅读关注点
- 应核对新估计量的条件期望构造、各方法所需假设、模拟中的删失机制与评价指标，以及零支出的经济与统计解释。
- 阅读边界
- 仅据所给 Crossref 版本摘要，无法判断任何估计量占优；摘要未提供模拟设计、数值结果或经验估计结论，也未说明刊本变化。
原文摘要
Abstract This paper focuses on a performance comparison of semiparametric Tobit estimators. Firstly, a conditional expectation version of Horowitz's distribution‐free least‐squares estimator is proposed, together with a short description of the other estimators considered in the later Monte Carlo experiment. Then, a performance comparison of the following selected estimators is made through a Monte Carlo experiment: the standard Tobit maximum‐likelihood estimator, the Buckley–James estimator, Horowitz's distribution‐free least‐squares estimator, a conditional version of Horowitz's estimator and Powell's least absolute deviations estimator. An empirical example of Engel curve estimation with zero expenditures follows.