Identification and estimation of heteroscedastic binary choice models with endogenous dummy regressors
含内生虚拟解释变量的异方差二元选择模型：识别与估计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：摘要直接研究含内生离散解释变量的二元选择模型，属于离散选择方向。
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
含内生虚拟解释变量的异方差二元选择模型：识别与估计
- 研究问题
- 当二元选择模型含有多个内生离散解释变量，且误差分布不作参数化限制时，如何处理异方差并实现识别与估计？
- 方法与思路
- 作者提出三阶段半参数估计，允许选择方程与结果方程具有一般乘性异方差，并采用非参数选择机制处理内生性。
- 材料陈述的贡献
- 摘要称估计量具有渐近正态性，收敛速度取决于光滑性条件；模拟考察有限样本表现，并应用于英国家庭吸烟习惯的代际传递。
- 阅读关注点
- 应核对识别所需的排除限制、支持集与光滑性条件，以及多重离散内生变量的处理方式和三阶段估计误差的传递。
- 阅读边界
- 仅据所给出版社摘要，无法判断具体识别条件、速率条件及实证解释是否成立；收敛率的指数排版也应查原文核对。
原文摘要
In this paper, we consider the semiparametric identification and estimation of a heteroscedastic binary choice model with endogenous dummy regressors and no parametric restriction on the distribution of the error term. Our approach addresses various drawbacks associated with previous estimators proposed for this model. It allows for: general multiplicative heteroscedasticity in both selection and outcome equations; a nonparametric selection mechanism; and multiple discrete endogenous regressors. The resulting three‐stage estimator is shown to be asymptotically normal, with a convergence rate that can be arbitrarily close to n−1/2 if certain smoothness assumptions are satisfied. Simulation results show that our estimator performs reasonably well in finite samples. Our approach is then used to study the intergenerational transmission of smoking habits in British households.