A Test of the Conditional Independence Assumption in Sample Selection Models
样本选择模型中条件独立假设的检验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：摘要以条件分位数回归过程构造检验，并讨论分位数函数的平行性与同质性，直接对应分位数与分布方向。
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
样本选择模型中条件独立假设的检验
- 研究问题
- 样本选择模型中，给定选择概率后解释变量与误差项独立的假设是否成立，能否利用条件分位数函数的平行性检验它？
- 方法与思路
- 作者利用原假设下分位数估计量的一致性，基于条件分位数回归过程提出KS型检验，并通过模拟和2011年CPS女性工资数据应用展示。
- 材料陈述的贡献
- 摘要称，模拟中检验尺寸令人满意，且在所设数据生成过程中有足够功效检出假设偏离；女性工资应用明确拒绝同质性。
- 阅读关注点
- 重点核对条件独立如何推出均值与分位数函数平行、检验对选择概率估计的依赖，以及应用中拒绝同质性对应何种假设偏离。
- 阅读边界
- 摘要未说明选择概率如何估计、统计量的临界值构造或模拟参数；拒绝同质性本身不足以定位假设失效的具体来源。
原文摘要
Identification in most sample selection models depends on the independence of the regressors and the error terms conditional on the selection probability. All quantile and mean functions are parallel in these models; this implies that quantile estimators cannot reveal any—per assumption non-existing—heterogeneity. Quantile estimators are nevertheless useful for testing the conditional independence assumption because they are consistent under the null hypothesis. We propose tests of the Kolmogorov–Smirnov type based on the conditional quantile regression process. Monte Carlo simulations show that their size is satisfactory and their power sufficient to detect deviations under plausible data-generating processes. We apply our procedures to female wage data from the 2011 Current Population Survey and show that homogeneity is clearly rejected. Copyright © 2015 John Wiley & Sons, Ltd.