A flexible parametric approach for estimating switching regime models and treatment effect parameters
估计转换机制模型与处理效应参数的灵活参数方法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：摘要明确构造平均处理效应与受处理者处理效应估计，并以参数化转换机制和选择误差模型为基础，对应因果推断及结构估计。
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
估计转换机制模型与处理效应参数的灵活参数方法
- 研究问题
- 当结果误差与选择误差具有偏态和厚尾时，如何估计转换机制模型及平均处理效应，传统两步选择校正需要怎样扩展？
- 方法与思路
- 作者以广义正态均值—方差混合分布描述结果误差与选择误差的联合分布，扩展 Heckman 两步法，并构造处理效应估计量。
- 材料陈述的贡献
- 摘要称非对称结果误差要求额外的偏度校正项；作者建立处理效应估计的渐近性质，模拟显示忽略偏度会影响参数和处理效应估计。
- 阅读关注点
- 应核对联合分布设定、选择机制和处理效应识别条件，以及偏度校正项的推导、两步估计误差传递和模拟中的误设程度。
- 阅读边界
- 仅依据所给出版社摘要；未说明排除限制、具体参数化条件与模拟数值，分布形式更灵活并不意味着处理效应可以无条件识别。
原文摘要
In this paper, we propose a flexible, parametric class of switching regime models allowing for both skewed and fat-tailed outcome and selection errors. Specifically, we model the joint distribution of each outcome error and the selection error via a newly constructed class of multivariate distributions which we call generalized normal mean–variance mixture distributions. We extend Heckman’s two-step estimation procedure for the Gaussian switching regime model to the new class of models. When the distributions of the outcome errors are asymmetric, we show that an additional correction term accounting for skewness in the outcome error distribution (besides the analogue of the well known inverse mill’s ratio) needs to be included in the second step regression. We use the two-step estimators of parameters in the model to construct simple estimators of average treatment effects and establish their asymptotic properties. Simulation results confirm the importance of accounting for skewness in the outcome errors in estimating both model parameters and the average treatment effect and the treatment effect for the treated.