Adaptive Estimation and Uniform Confidence Bands for Nonparametric Structural Functions and Elasticities
非参数结构函数与弹性的自适应估计和一致置信带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：摘要直接研究非参数工具变量结构函数、导数和弹性的估计与推断。
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…
非参数结构函数与弹性的自适应估计和一致置信带
- 研究问题
- 非参数工具变量模型中，如何通过数据驱动的复杂度选择，同时实现结构函数及其导数的最优估计和统一覆盖推断？
- 方法与思路
- 作者提出筛两阶段最小二乘的维度选择程序，以及结构函数和导数的一致置信带构造，并用于企业出口弹性估计。
- 材料陈述的贡献
- 摘要称，估计达到上确界范数下的极小极大速度；置信带保证相应过程类上的覆盖，并以至多相差对数因子的最优速度收缩。
- 阅读关注点
- 应核对工具变量识别与逆问题条件、自适应覆盖所针对的函数类，以及置信带收缩速度和欠平滑方法比较的具体标准。
- 阅读边界
- 摘要未列出允许的数据生成过程和正则条件；最优速度与覆盖均有适用范围，不能推断任意结构函数下都能自适应有效推断。
原文摘要
Abstract We introduce two data-driven procedures for optimal estimation and inference in nonparametric models using instrumental variables. The first is a data-driven choice of sieve dimension for a popular class of sieve two-stage least-squares estimators. When implemented with this choice, estimators of both the structural function h0 and its derivatives (such as elasticities) converge at the fastest possible (i.e. minimax) rates in sup-norm. The second is for constructing uniform confidence bands (UCBs) for h0 and its derivatives. Our UCBs guarantee coverage over a generic class of data-generating processes and contract at the minimax rate, possibly up to a logarithmic factor. As such, our UCBs are asymptotically more efficient than UCBs based on the usual approach of undersmoothing. As an application, we estimate the elasticity of the intensive margin of firm exports in a monopolistic competition model of international trade. Simulations illustrate the good performance of our procedures in empirically calibrated designs. Our results provide evidence against common parameterizations of the distribution of unobserved firm heterogeneity.