The Markup falsification Adaptative Set
加成率估计的证伪自适应集合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：摘要围绕加成率恢复所依赖的经济模型假设、证伪及部分识别集合展开。
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
加成率估计的证伪自适应集合
- 研究问题
- 当经典加成率恢复程序的假设被数据否定时，如何通过连续放松假设保留可解释的加成率信息，而非仅报告基准估计？
- 方法与思路
- 作者对标准加成率估计假设作连续放松，在未被证伪的模型集合上计算对应加成率，并据此构造识别集合。
- 材料陈述的贡献
- 摘要称所得集合可推广基准加成率目标，在不另加假设的情况下容纳可能的证伪，并以智利数据进行说明。
- 阅读关注点
- 应核对被放松的具体假设、证伪判据与集合边界，辨明识别集合和统计置信集合，并检查放松程度的经济解释。
- 阅读边界
- 这是 arXiv 预印本，不能据此声称已同行评审或期刊接收。摘要未列出假设放松方式、集合宽度及抽样不确定性处理。
原文摘要
In this paper we provide a constructive way for researchers to salvage the classic De Loecker and Warzynski (2012) markup recovery procedure when falsified. To do this, we consider continuous relaxations of the standard assumptions behind markup estimation. By computing the values of the markup as a function of the relaxations across the set of non-falsified models, we obtain an identified set for the markup which generalizes the standard baseline markup estimand to account for possible falsification without the need to impose additional assumptions. We illustrate our results using Chilean data from Raval (2023).