Nonparametric Inference on State Dependence in Unemployment
失业状态依赖的非参数推断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：摘要使用动态潜在结果模型识别失业状态依赖，并研究动态离散结果及尖锐识别集，因此对应因果推断与离散选择。
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
失业状态依赖的非参数推断
- 研究问题
- 动态离散结果中的状态依赖应如何定义和识别，针对高中学历工作年龄男性的失业持续性，不同非参数假设能给出怎样的界限？
- 方法与思路
- 作者建立非参数动态潜在结果模型，提出多组参数与识别假设，借助线性规划构造不同假设组合下的尖锐识别集，并应用于 SIPP 数据。
- 材料陈述的贡献
- 摘要称，状态依赖至少解释工作年龄高中学历男性四个月失业持续性的 30%–40%，并提供利用线性规划构造尖锐识别集的方法。
- 阅读关注点
- 核对状态依赖参数的定义、各识别假设组合及其经济含义，尤其关注尖锐界限的构造、抽样不确定性和四个月持续性的测量。
- 阅读边界
- 摘要未逐项说明识别假设与统计推断步骤；所述比例针对 2008 年 SIPP 提取样本及特定持续期，不能据此推广到其他人群或时期。
原文摘要
This paper is about measuring state dependence in dynamic discrete outcomes. I develop a nonparametric dynamic potential outcomes (DPO) model and propose an array of parameters and identifying assumptions that can be considered in this model. I show how to construct sharp identified sets under combinations of identifying assumptions by using a flexible linear programming procedure. I apply the analysis to study state dependence in unemployment for working age high school educated men using an extract from the 2008 Survey of Income and Program Participation (SIPP). Using only nonparametric assumptions, I estimate that state dependence accounts for at least 30–40% of the four‐month persistence in unemployment among high school educated men.