Better Bunching, Nicer Notching
更稳健的聚集与缺口弹性估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要以效用模型和税收预算约束研究行为弹性，并明确分析聚集识别策略及其假设敏感性。
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…
更稳健的聚集与缺口弹性估计
- 研究问题
- 利用激励安排的折点或缺口附近聚集来识别行为弹性时，未观测个体异质性的隐含假设会怎样影响估计结论？
- 方法与思路
- 作者在等弹性效用和分段线性所得税预算约束下，提出非参数及半参数估计方法，考察弹性对不同识别假设的敏感性。
- 材料陈述的贡献
- 摘要称新方法可揭示聚集弹性的稳健性；美国劳动所得税抵免应用显示，不同婚姻状态的自雇纳税人结果依赖程度不同。
- 阅读关注点
- 应核对异质性限制如何进入弹性识别、折点与缺口的处理差异，以及实证分组、敏感性展示和 Stata 实现的对应关系。
- 阅读边界
- 所据为 arXiv 预印本，同行评审或期刊接收未经核实；摘要未列具体识别假设及弹性数值，应用中的稳健性不能泛化。
原文摘要
This paper studies the bunching identification strategy for an elasticity parameter that summarizes agents' responses to changes in slope (kink) or intercept (notch) of a schedule of incentives. We show that current bunching methods may be very sensitive to implicit assumptions in the literature about unobserved individual heterogeneity. We overcome this sensitivity concern with new non- and semi-parametric estimators. Our estimators allow researchers to show how bunching elasticities depend on different identifying assumptions and when elasticities are robust to them. We follow the literature and derive our methods in the context of the iso-elastic utility model and an income tax schedule that creates a piece-wise linear budget constraint. We demonstrate bunching behavior provides robust estimates for self-employed and not-married taxpayers in the context of the U.S. Earned Income Tax Credit. In contrast, estimates for self-employed and married taxpayers depend on specific identifying assumptions, which highlight the value of our approach. We provide the Stata package "bunching" to implement our procedures.