Binary Response Models for Panel Data: Identification and Information
面板数据二元响应模型：识别与信息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：摘要明确设定二元响应的面板数据模型，并包含随个体变化、时间不变的随机效应，对应面板数据与离散选择。
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
面板数据二元响应模型：识别与信息
- 研究问题
- 研究含个体不变潜在随机效应的二元面板模型，且允许该效应与观测预测变量相关；题名关注识别与信息，摘要未展开具体问题。
- 方法与思路
- 作者以给定分布函数作用于预测变量的线性组合作为正响应概率，并允许随机效应在给定观测预测变量后的条件分布完全不受限制。
- 材料陈述的贡献
- 摘要明确给出半参数模型设定及潜在个体效应的时间不变性，但未说明识别结果、信息界或估计方法方面的具体贡献。
- 阅读关注点
- 阅读全文时应核对识别对象、面板长度与预测变量支持条件，并查看不受限制的个体效应条件分布如何影响信息量和估计。
- 阅读边界
- 摘要仅描述模型，未说明面板期数、预测变量条件、识别假设或主要定理，无法据此判断哪些参数能够识别及其估计精度。
原文摘要
This paper considers a panel data model for predicting a binary outcome. The conditional probability of a positive response is obtained by evaluating a given distribution function (F) at a linear combination of the predictor variables. One of the predictor variables is unobserved. It is a random effect that varies across individuals but is constant over time. The semiparametric aspect is that the conditional distribution of the random effect, given the predictor variables, is unrestricted. Copyright 2010 The Econometric Society.