Partial identification and inference in duration models with endogenous censoring
内生删失持续期模型的部分识别与推断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：摘要明确将部分识别与推断方法用于评估失业保险对失业持续期的影响，最直接对应因果推断方向。
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…
关注这篇论文的作者
内生删失持续期模型的部分识别与推断
- 研究问题
- 当持续期结果的删失可与协变量及未观测异质性任意相关时，如何界定变换模型参数，并对失业持续期问题进行推断？
- 方法与思路
- 作者不对变换函数和异质性分布施加参数限制，以含U统计量的条件矩不等式刻画参数边界，并构造相应推断方法。
- 材料陈述的贡献
- 摘要称，论文给出回归参数与变换函数的识别界，并发展样本矩为U统计量时的推断方法，应用于失业保险与失业持续期。
- 阅读关注点
- 应核对删失之外仍需满足的识别条件、边界是否锐利、U统计量推断的正则条件，以及失业保险应用中的效应定义。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确认其他识别假设、边界宽度或失业保险效果；允许任意内生删失不代表所有模型条件均被放松。
原文摘要
Abstract This paper studies identification and inference in transformation models with endogenous censoring. Many kinds of duration models, such as the accelerated failure time model, proportional hazard model, and mixed proportional hazard model, can be viewed as transformation models. We allow the censoring of a duration outcome to be arbitrarily correlated with observed covariates and unobserved heterogeneity. We impose no parametric restrictions on either the transformation function or the distribution function of the unobserved heterogeneity. In this setting, we develop bounds on the regression parameters and the transformation function, which are characterized by conditional moment inequalities involving U‐statistics. Subsequently, we provide inference methods for them by constructing an inference approach for conditional moment inequality models in which the sample analogs of moments are U‐statistics. We apply the proposed inference methods to evaluate the effect of unemployment insurance on duration of joblessness using data from the Current Population Survey's Displaced Workers Supplements.