WEIGHTED AND TWO-STAGE LEAST SQUARES ESTIMATION OF SEMIPARAMETRIC TRUNCATED REGRESSION MODELS
半参数截断回归模型的加权与两阶段最小二乘估计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：摘要讨论通用截断回归和工具变量估计，未明确给出因果目标或其他所列细分方向的应用。
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
半参数截断回归模型的加权与两阶段最小二乘估计
- 研究问题
- 在误差分布未知且允许一般未知异方差的截断回归中，如何估计系数，并处理内生或存在测量误差的解释变量？
- 方法与思路
- 作者构造加权最小二乘及基于工具变量的两阶段最小二乘估计，并用渐近修剪处理第一阶段密度估计的边界偏差。
- 材料陈述的贡献
- 摘要称，加权估计具有根号样本量一致性和渐近正态性，并提出工具变量估计及无需已知支持边界的修剪结果。
- 阅读关注点
- 应核对截断机制、权重与工具变量条件、两阶段估计的具体渐近结论，以及修剪规则与模拟中的有限样本表现。
- 阅读边界
- 仅据 RePEc 所载出版社摘要；摘要未说明工具变量有效性、完整正则条件或模拟数值，不能推断其他版本变化。
原文摘要
This paper provides a root-n consistent, asymptotically normal weighted least squares estimator of the coefficients in a truncated regression model. The distribution of the errors is unknown and permits general forms of unknown heteroskedasticity. Also provided is an instrumental variables based two-stage least squares estimator for this model, which can be used when some regressors are endogenous, mismeasured, or otherwise correlated with the errors. A simulation study indicates that the new estimators perform well in finite samples. Our limiting distribution theory includes a new asymptotic trimming result addressing the boundary bias in first-stage density estimation without knowledge of the support boundary.This research was supported in part by the National Science Foundation through grant SBR-9514977 to A. Lewbel. The authors thank Thierry Magnac, Dan McFadden, Jim Powell, Richard Blundell, Bo Honoré, Jim Heckman, Xiaohong Chen, and Songnian Chen for helpful comments. Any errors are our own.