A STUDY OF A SEMIPARAMETRIC BINARY CHOICE MODEL WITH INTEGRATED COVARIATES
含单整协变量的半参数二元选择模型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：摘要明确以半参数二元选择及最大得分估计为核心，最直接对应离散选择方向。
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
含单整协变量的半参数二元选择模型
- 研究问题
- 研究含非平稳单整协变量的半参数二元选择模型，在参数归一化识别后，最大得分类估计量具有什么收敛性质。
- 方法与思路
- 作者施加球面归一化约束，分析最大得分及平滑最大得分估计，并比较归一化参数极大似然估计的速率与极限分布。
- 材料陈述的贡献
- 摘要称，两类得分估计至少具有根号 n 收敛速率；归一化参数 MLE 以 n 的四分之三次方速率收敛且极限为混合正态。
- 阅读关注点
- 应核对单整协变量的条件、球面约束如何实现识别、至少根号 n 的具体含义，以及单指标模型推广的范围。
- 阅读边界
- 所给出版社摘要未给出得分估计量的完整极限分布或精确速率条件，不能仅凭速率比较判断估计方法的总体优劣。
原文摘要
This paper studies a semiparametric nonstationary binary choice model. Imposing a spherical normalization constraint on the parameter for identification purposes, we find that the maximum score estimator and smoothed maximum score estimator are at least [square root of n]-consistent. Comparing this rate to the convergence rate of the parametric maximum likelihood estimator (MLE), we show that when a normalization restriction is imposed on the parameter, the Park and Phillips (2000, Econometrica 68, 1249–1280) parametric MLE converges at a rate of n3/4 and its limiting distribution is a mixed normal. Finally, we show briefly how to apply our estimation method to a nonstationary single-index model.The first draft of the paper was written while Guerre was visiting the economics department of the University of Southern California. We thank Peter C.B. Phillips, a co-editor, and three anonymous referees for helpful comments and John Dolfin for proofreading. Guerre thanks the economics department of the University of Southern California for its hospitality during his visit. Moon appreciates financial support of the University of Southern California faculty development award.