Binary Outcome Models with Extreme Covariates: Estimation and Prediction
极端协变量下的二元结果模型：估计与预测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：摘要直接研究二元结果及面板模型，并以极端房价下跌时的小银行风险作为应用。
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
极端协变量下的二元结果模型：估计与预测
- 研究问题
- 如何在不对非尾部区域施加强参数限制的情况下，估计极端协变量与二元结果之间的关系，并处理面板中的个体异质性？
- 方法与思路
- 作者结合贝叶斯公式与正则变动函数建立尾部帕累托近似，涵盖截面及静态、动态面板，并允许个体尾部异质性。
- 材料陈述的贡献
- 摘要称，尾部估计量具有一致性和渐近正态性，目标函数趋近特定面板 Logit 形式，并用于住房骤跌与小银行风险。
- 阅读关注点
- 应核对尾部阈值、正则变动条件和动态面板设定，以及 Logit 近似的实施方式与银行风险变量的具体定义。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定同行评审或期刊接收；摘要未给出尾部条件及实证结果，也未说明因果识别依据。
原文摘要
This paper presents a novel semiparametric method to study the effects of extreme events on binary outcomes and subsequently forecast future outcomes. Our approach, based on Bayes' theorem and regularly varying (RV) functions, facilitates a Pareto approximation in the tail without imposing parametric assumptions beyond the tail. We analyze cross-sectional as well as static and dynamic panel data models, incorporate additional covariates, and accommodate the unobserved unit-specific tail thickness and RV functions in panel data. We establish consistency and asymptotic normality of our tail estimator, and show that our objective function converges to that of a panel Logit regression on tail observations with the log extreme covariate as a regressor, thereby simplifying implementation. The empirical application assesses whether small banks become riskier when local housing prices sharply decline, a crucial channel in the 2007--2008 financial crisis.