Informational content of special regressors in heteroskedastic binary response models
异方差二元响应模型中特殊回归变量的信息含量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：摘要直接研究二元响应模型的潜在收益、系数识别及平均结构函数恢复。
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
异方差二元响应模型中特殊回归变量的信息含量
- 研究问题
- 在误差满足中位数独立或条件对称时，特殊回归变量能为异方差二元响应模型的系数识别、信息量和平均结构函数恢复提供什么？
- 方法与思路
- 作者研究在潜在收益中加性可分且与误差条件独立的特殊回归变量，分别分析两种误差限制，并为条件对称情形提出两种估计量。
- 材料陈述的贡献
- 摘要称，中位数独立下特殊变量不改善所用准则的系数识别或产生正 Fisher 信息，但有助恢复平均结构函数；条件对称下可改善识别。
- 阅读关注点
- 应核对两种误差限制的区别、识别力比较准则和正信息量条件，并查看平均结构函数恢复与系数估计分别需要哪些额外条件。
- 阅读边界
- 仅据所给出版社摘要；摘要未说明支持条件、正信息量的具体要求或估计量实现，不能将条件对称情形的识别收益推广至中位数独立情形。
原文摘要
We quantify the informational content of special regressors in heteroskedastic binary response models with median-independent or conditionally symmetric errors. Based on Lewbel (1998), a special regressor is additively separable in the latent payoff and conditionally independent from the error term. We find that with median-independent errors a special regressor does not increase the identifying power by a criterion in Manski (1988) or lead to positive Fisher information for the coefficients, even though it does help recover the average structural function. With conditionally symmetric errors, a special regressor improves the identifying power, and the information for coefficients is positive under mild conditions. We propose two estimators for binary response models with conditionally symmetric errors and special regressors.