Nonparametric identification and estimation with discrete instruments and regressors
离散工具变量与解释变量下的非参数识别和估计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：摘要明确研究非参数工具变量模型中的结构函数识别与估计，直接对应结构估计。
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…
关注这篇论文的作者
离散工具变量与解释变量下的非参数识别和估计
- 研究问题
- 在解释变量与工具变量均为离散分布、且解释变量取值更多时，如何识别非参数结构函数，并分别开展点识别与部分识别推断？
- 方法与思路
- 作者将工具变量与残差之间的常规矩独立要求扩展至高阶矩，利用残差条件矩相关的潜在参数分析识别，并构造估计与推断方法。
- 材料陈述的贡献
- 摘要称，给出了部分识别条件及零测集之外的点识别结果，提出点识别时渐近正态的估计量和部分识别时的直接推断方法。
- 阅读关注点
- 应核对高阶矩独立的经济含义、零测集结论的参数空间与条件，以及部分识别集合的构造和两类推断各自的适用范围。
- 阅读边界
- 仅依据所给RePEc出版社摘要，不能推断刊本变化；摘要未列出完整识别条件、所需矩阶数、应用数据或具体模拟结果。
原文摘要
In a nonparametric instrumental regression model in which the regressor and instrument are discretely distributed, we strengthen the conventional moment independence assumption between instrument and residual to include higher order moments. We give conditions under which a function of interest is partially identified when the regressor has more mass points than the instrument. We also show that the function is point identified as long as certain latent parameters corresponding to conditional moments of the residual lie outside of a set of measure zero. We give an asymptotically normal estimator for the structural function when it is point identified. We also provide a straightforward method for inference under partial identification. These perform well in Monte-Carlo simulations and in two empirical applications.