IV methods for Tobit models
Tobit模型的工具变量方法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：摘要研究带内生解释变量的删失结果模型及其参数识别，并比较完整三角模型，直接支持结构模型识别与估计方向。
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…
Tobit模型的工具变量方法
- 研究问题
- 当结果变量被左删失且解释变量内生时，如果不完整指定内生变量的生成过程，工具变量限制能识别哪些参数及其函数？
- 方法与思路
- 作者刻画Tobit型模型的识别集，在外生变量支持丰富时讨论部分识别参数标量函数的推断，并比较不同分布限制下的应用。
- 材料陈述的贡献
- 摘要称，模型可部分识别或点识别，无需支持控制函数的限制；英国烟草支出应用比较有无高斯限制及完整三角模型的推断。
- 阅读关注点
- 应核对工具变量限制与删失机制、丰富支持的具体含义、点识别和部分识别的分界，以及识别集和标量函数推断的构造。
- 阅读边界
- 仅依据所给OpenAlex版本摘要；识别与支持条件未完整说明，随机删失仅作扩展概述，不能假定其具有与基准模型相同的结果。
原文摘要
This paper studies models of processes generating censored outcomes with endogenous explanatory variables and instrumental variable restrictions. Tobit-type left censoring at zero is the primary focus in the exposition. Extension to stochastic censoring is sketched. The models do not specify the process determining endogenous explanatory variables and they do not embody restrictions justifying control function approaches. Consequently, they can be partially or point identifying. Identified sets are characterized and it is shown how inference can be performed on scalar functions of partially identified parameters when exogenous variables have rich support. In an application using data on UK household tobacco expenditures inference is conducted on the coefficient of an endogenous total expenditure variable with and without a Gaussian distributional restriction on the unobservable and compared with the results obtained using a point identifying complete triangular model.