Dummy Endogenous Variables in Weakly Separable Models
弱可分模型中的内生虚拟变量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：摘要核心是内生二元回归变量平均效应的识别，并明确覆盖离散选择等有限因变量模型，因此对应因果推断和离散选择方向。
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
弱可分模型中的内生虚拟变量
- 研究问题
- 在回归变量与误差弱可分、但不要求可加分离的模型中，内生二元回归变量的平均效应能否被非参数识别，并容纳离散选择结果？
- 方法与思路
- 作者研究弱可分模型中内生二元变量平均效应的非参数识别与估计，放松对误差项的严格单调要求，并建立识别所需条件。
- 材料陈述的贡献
- 摘要称，在所建条件下可识别该平均效应，无需参数化函数形式或分布假设，也无需大支持集条件，模型范围包含离散选择。
- 阅读关注点
- 应核对弱可分结构与平均效应的精确定义、内生性处理所依赖的识别条件，以及这些条件如何在离散选择模型中成立。
- 阅读边界
- 摘要未列明具体识别条件、可用外生信息与估计推断步骤；免除参数化及大支持集要求仍是有条件的结论，不能理解为无假设识别。
原文摘要
In this paper, we consider the nonparametric identification and estimation of the average effect of a dummy endogenous regressor in models where the regressors are weakly but not additively separable from the error term. The model is not required to be strictly increasing in the error term, and the class of models considered includes limited dependent variable models such as discrete choice models. Conditions are established conditions under which it is possible to identify the average effect of the dummy endogenous regressor in a weakly separable model without relying on parametric functional form or distributional assumptions and without the use of large support conditions.