Binary response panel data models with sample selection and self‐selection
存在样本选择与自选择的二元响应面板数据模型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：摘要明确研究非平衡面板中的二元响应，并讨论非随机选择与自选择处理效应，分别对应面板、离散选择和因果推断。
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…
存在样本选择与自选择的二元响应面板数据模型
- 研究问题
- 当二元结果因非随机选择而缺失，或个体自选择进入处理时，如何利用非平衡面板估计模型参数及相关效应？
- 方法与思路
- 作者先以主方程和选择方程误差均为正态的参数法估计模型及效应，允许误差任意时间依赖；再以控制函数构建处理内生选择的半参数估计量。
- 材料陈述的贡献
- 摘要讨论系数、偏效应及选择偏误检验，并称半参数方法对多种误差分布稳健，可一致估计缩放后的系数与相对效应。
- 阅读关注点
- 核对参数法的误差联合设定、样本选择与处理效应的识别条件，以及半参数控制函数的构造和缩放系数、相对效应的解释。
- 阅读边界
- 摘要未给出半参数稳健性适用的误差分布范围及完整识别条件；缩放系数与相对效应是否能转化为绝对效应，需要全文说明。
原文摘要
Summary We consider estimating binary response models on an unbalanced panel, where the outcome of the dependent variable may be missing due to nonrandom selection, or there is self‐selection into a treatment. In the present paper, we first consider estimation of sample selection models and treatment effects using a fully parametric approach, where the error distribution is assumed to be normal in both primary and selection equations. Arbitrary time dependence in errors is permitted. Estimation of both coefficients and partial effects, as well as tests for selection bias, are discussed. Furthermore, we consider a semiparametric estimator of binary response panel data models with sample selection that is robust to a variety of error distributions. The estimator employs a control function approach to account for endogenous selection and permits consistent estimation of scaled coefficients and relative effects.