Identification of Marginal Effects in Nonseparable Models Without Monotonicity
无单调性非可分模型中边际效应的识别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：摘要明确讨论非可分模型的结构导数识别，并以回归分位数为信息来源，因此对应结构估计与分位数方向。
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
无单调性非可分模型中边际效应的识别
- 研究问题
- 在可观测回归变量与不可观测项不具有可加结构、且不假定不可观测项单调性的模型中，回归分位数能够识别怎样的边际效应？
- 方法与思路
- 作者以回归分位数概括数据联合分布，分析其在非单调情形下与局部平均结构导数的关系；摘要未说明具体识别条件。
- 材料陈述的贡献
- 摘要称，放弃对不可观测项的单调性假设后，分位数仍可识别局部平均结构导数，明确了非可分模型中一类可识别的边际效应。
- 阅读关注点
- 应核对局部平均结构导数的定义、平均所用的条件与权重，以及识别需要哪些支持集、光滑性或其他限制。
- 阅读边界
- 摘要未说明完整识别假设、导数存在条件及估计推断方法；所述结论针对局部平均结构导数，不能据此判断整个结构函数可识别。
原文摘要
Nonseparable models do not impose any type of additivity between the unobserved part and the observable regressors, and are therefore ideal for many economic applications. To identify these models using the entire joint distribution of the data as summarized in regression quantiles, monotonicity in unobservables has frequently been assumed. This paper establishes that in the absence of monotonicity, the quantiles identify local average structural derivatives of nonseparable models.