Debiased Inference for Bounding Wage Inequality with Many Controls
多控制变量下工资不平等界的去偏推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要以部分识别、正交矩与去偏机器学习处理工资分布与分位距的界，属因果/部分识别推断，并直接涉及分位数与分布效应。
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
多控制变量下工资不平等界的去偏推断
- 研究问题
- 研究问题：当部分识别参数的识别集依赖一个需先估计的一阶段冗余参数时，如何对该识别集进行估计与推断，并应用于工资不平等与性别工资差距的界。
- 方法与思路
- 方法思路：作者提出两步程序，将准则函数方法与 Neyman 正交矩（双重/去偏机器学习）理论结合：先用灵活机器学习估计点识别的冗余参数，再用交叉拟合构造正交矩不等式，以样本准则的水平集恢复集合识别的目标。
- 材料陈述的贡献
- 摘要所述贡献：在等高线水平有界时，证明集合估计量以参数速率按 Hausdorff 距离收敛到基于真实冗余参数的不可行准则；并提出子抽样程序，在一阶段估计误差乘积为 o(N^{-1/2}) 时给出渐近有效的覆盖。
- 阅读关注点
- 阅读时应核对：正交矩与交叉拟合的具体构造、等高线有界等正则条件、Hausdorff 收敛与子抽样覆盖定理的假设、误差乘积条件的可验证性，以及就业选择与区间删失工资下界的识别假设。
- 阅读边界
- 摘要信息的边界：这是 arXiv 预印本，未经同行评审或期刊接收验证；摘要未说明有限样本表现、带宽或调参细节，也未给出实证数值结果，不能据此判断方法优劣。
原文摘要
We study estimation and inference for a partially identified parameter whose identified set depends on a first-stage nuisance parameter that must itself be estimated. Combining the criterion-function approach with the theory of Neyman-orthogonal moments that underlies double/debiased machine learning, we propose a two-step procedure: the point-identified nuisance is estimated by flexible machine-learning methods, and the set-identified target is recovered as a level set of a sample criterion built from orthogonal moment inequalities with cross-fitting. When the contour level is bounded, we show that the resulting set estimator converges in Hausdorff distance at the parametric rate of the infeasible criterion built on the true nuisance. We further develop a subsampling procedure that delivers asymptotically valid coverage, provided the product of the first-stage estimation errors is $o(N^{-1/2})$. We illustrate the method on bounds for the wage distribution and the interquantile range under selection into employment and on the gender wage gap with an interval-censored wage. The empirical application studies the gender wage gap using the March supplement of the 2015 Current Population Survey.