IDENTIFICATION OF PAIRED NONSEPARABLE MEASUREMENT ERROR MODELS
成对非可分测量误差模型的识别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：摘要研究潜在共同成分与非可分测量误差模型的识别，并用于教育测量。
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
成对非可分测量误差模型的识别
- 研究问题
- 研究两项测量由共同潜在成分与各自误差非可分地生成时，如何识别共同成分的边际分布及给定该成分的测量条件分布。
- 方法与思路
- 作者设定 X=g(U,V)、Y=h(U,W)，其中三个潜在变量相互独立，提出进一步识别限制，并应用于双胞胎教育报告数据。
- 材料陈述的贡献
- 摘要称可识别共同成分及条件测量分布，并在应用中发现自报与兄弟姐妹报告的准确性分别集中于不同的典型学历年限。
- 阅读关注点
- 应核对独立性以外的识别限制、潜在教育年限的尺度确定，以及报告准确性的定义和所谓稳健模式经过哪些检验。
- 阅读边界
- 所给 Crossref 摘要未说明额外识别限制、样本构成或不确定性；列出的教育报告模式不能直接外推至其他人群与制度。
原文摘要
This paper studies the paired nonseparable measurement error models, where two measurements, X and Y , are produced by mutually independent unobservables, U , V , and W , through the system, X = g ( U,V ) and Y = h ( U,W ). We propose restrictions to identify the marginal distribution of the common component U and the conditional distributions of X and Y given U . Applying this method to twin panel data, we find the following robust reporting patterns for years of education: (1) self reports are accurate only when the true years of education are 16 or 18, typically corresponding to advanced university degrees in the US education system; (2) sibling reports are accurate whenever the true years of education are 12, 14, 16, and 18, which are typical diploma years.