Nonparametric estimation in case of endogenous selection
内生样本选择下的非参数估计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：摘要以潜在结果条件独立性处理内生选择及选择偏差，支持因果推断中的识别方向，但未明确估计处理效应。
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…
内生样本选择下的非参数估计
- 研究问题
- 当数据因内生选择而仅部分可见、回归变量还可能内生时，如何一致估计非参数回归函数，并构造点态与统一推断？
- 方法与思路
- 作者依赖给定潜在结果后协变量与选择的条件独立性，分别针对外生和内生回归变量提出两步估计，并构造自助法统一置信带。
- 材料陈述的贡献
- 摘要称获得估计量的一致性、收敛速度与点态渐近分布，并提供统一置信带、蒙特卡洛模拟及实证示例。
- 阅读关注点
- 应核对潜在结果条件独立性的具体含义、回归变量内生性如何处理、两步误差如何传播，以及统一置信带的有效性条件。
- 阅读边界
- 仅依据所给出版社摘要，无法判断条件独立限制的可辩护性及内生性处理所需信息；实证数据、效果大小与证明细节未说明。
原文摘要
This paper addresses the problem of estimation of a nonparametric regression function from selectively observed data when selection is endogenous. Our approach relies on independence between covariates and selection conditionally on potential outcomes. Endogeneity of regressors is also allowed for. In the exogenous and endogenous case, consistent two-step estimation procedures are proposed and their rates of convergence are derived. Pointwise asymptotic distribution of the estimators is established. In addition, bootstrap uniform confidence bands are obtained. Finite sample properties are illustrated in a Monte Carlo simulation study and an empirical illustration.