Bounds on Average Effects in Discrete Choice Panel Data Models
离散选择面板模型中平均效应的界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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确以含个体效应的短离散选择面板为对象，研究平均效应的部分识别与推断。
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
离散选择面板模型中平均效应的界
- 研究问题
- 在含个体效应的短离散选择面板中，当协变量支持集较大或连续而难以计算尖锐识别集合时，如何可行地推断平均效应？
- 方法与思路
- 作者提出估计平均效应识别集合外界的方法，以易于构造、参数收敛速度和计算可行性为目标，并提供渐近有效置信区间。
- 材料陈述的贡献
- 摘要称，该方法避开大支持集下计算尖锐识别集合的困难，在中等规模样本中仍具计算可行性，并支持平均效应的不确定性量化。
- 阅读关注点
- 应核对外界如何构造及其与尖锐集合的距离、参数速度成立的条件，以及置信区间覆盖的是平均效应还是识别集合。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核验；摘要未给出外界紧度、模型假设与计算规模，外界也不等同于尖锐识别集合。
原文摘要
In discrete choice panel data, estimation of average effects is crucial for quantifying the effect of covariates, and for policy evaluation and counterfactual analysis. However, in short panels with individual-specific effects, challenges arise due to partial identification and the incidental parameter problem. In particular, estimating the sharp identified set of average effects becomes impractical when covariates have large support sets, such as when they are continuous. This paper proposes a method for estimating outer bounds on the identified set of average effects, which are easy to construct, converge at the parametric rate, and remain computationally feasible even for moderately large samples. Asymptotically valid confidence intervals are also provided.