Better bunching, nicer notching
改进聚束与缺口分析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：摘要在等弹性效用和税收预算约束模型中识别行为弹性，直接涉及结构模型与结构参数估计。
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…
改进聚束与缺口分析
- 研究问题
- 利用激励方案的斜率折点或水平缺口识别行为弹性时，估计对不可观测个体异质性的隐含假设有多敏感？
- 方法与思路
- 作者在等弹性效用与分段线性所得税预算约束中，提出非参数和半参数估计量，展示弹性随识别假设的变化。
- 材料陈述的贡献
- 摘要称，新方法支持评估聚束弹性的假设敏感性；税收抵免应用中部分群体估计较稳健，并提供 bunching 软件包。
- 阅读关注点
- 应核对异质性分布限制、折点与缺口的识别差异，以及不同纳税群体稳健性结论所依赖的假设范围。
- 阅读边界
- 仅据所给 RePEc 所载出版社摘要版本；具体识别限制和弹性数值未说明，不能外推应用结论或推断后续刊本变化。
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.