Two-step estimation of heteroskedastic sample selection models
异方差样本选择模型的两步估计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：摘要研究一般样本选择与异方差校正，未明确展开所列因果、离散选择或结构估计方向。
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
异方差样本选择模型的两步估计
- 研究问题
- 当样本选择模型的潜在误差具有未知形式的异方差时，如何进行两步估计，常规 Heckman 估计可能产生怎样的偏差？
- 方法与思路
- 作者提出使用级数近似非参数回归的两步估计量，研究其一致性和渐近正态性，并用小型 Monte Carlo 实验考察异方差下的表现。
- 材料陈述的贡献
- 摘要称所提估计量在一定条件下一致且渐近正态；模拟展示其用途，并指出常规 Heckman 估计量在异方差存在时可能出现的偏差。
- 阅读关注点
- 应核对选择机制与潜在误差的限制、级数基函数和维度选择，以及第一步估计误差如何传递到第二步估计及其标准误。
- 阅读边界
- 仅依据 OpenAlex 所列摘要，无法判断未知异方差下的识别范围；摘要只称条件合理，未列出具体条件，也未提供模拟偏差的大小。
原文摘要
This paper considers two-step estimation of a sample selection model in which there is heteroskedasticity of unknown form in the latent errors. We propose an estimator which uses recent developments in nonparametric regression estimation involving series approximations. The estimator is shown to be consistent and asymptotically normally distributed under reasonable conditions. A small Monte Carlo experiment demonstrates the usefulness of the estimator and highlights the bias inherent in the usual Heckman (1979) estimator when there is heteroskedasticity.