Achieving Semiparametric Efficiency Bounds in Left-Censored Duration Models
左删失持续时间模型中半参数效率界的实现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：摘要聚焦失业持续时间模型的删失与半参数效率，未明确涉及所列的因果、面板、离散选择或结构估计方向。
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…
关注这篇论文的作者
左删失持续时间模型中半参数效率界的实现
- 研究问题
- 从失业者存量中抽样并事后询问失业时长时，条件于抽样时已持续时长的极大似然估计，能否达到半参数效率界？
- 方法与思路
- 摘要以失业存量抽样造成的左删失为背景，考察条件于抽样时失业时长的已有极大似然方法；具体效率界推导与实现方法，摘要未说明。
- 材料陈述的贡献
- 摘要称，忽略该抽样问题会因长失业期更易入样而高估平均时长，并回答条件极大似然是否达界的问题，但未披露该回答。
- 阅读关注点
- 核对左删失的形式化定义、存量抽样机制与条件似然的构造，并查看半参数模型的限制、效率界以及达到或未达到该界的条件。
- 阅读边界
- 所给OpenAlex摘要未说明条件极大似然是否达界、所需假设或替代有效估计量，也未提供数值证据；不能仅由题名推断已有方法最优。
原文摘要
Consider the estimation of unemployment duration when the statistician samples individuals from the pool of unemployed persons and later interviews them and asks how long they had been unmployed. This incurs the problem of left-censoring; ignoring left-censoring overestimates the mean duration since longer spells tend to be observed more frequently than shorter ones. Lancaster (1979) gives a simple and convenient solution to the problem by introducing a conditional maximum likelihood estimator (MLE), i.e. analysis conditional on duration at the time of sampling. Here we give answers to the question whether or not such an approach is optimal in the sense that a semiparametric efficiency bound is achieved.