One-step smoothing splines instrumental regression
一步平滑样条工具变量回归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：摘要处理内生回归关系的工具变量估计，并以消费需求中的恩格尔曲线为应用。
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…
一步平滑样条工具变量回归
- 研究问题
- 当非参数回归存在内生性且可使用工具变量时，如何构造一步估计方法，并同时研究函数、导数估计及单调约束？
- 方法与思路
- 作者将平滑样条扩展到工具变量回归，提出仅使用一个正则化参数的一步估计，研究一致收敛速率，并扩展至部分线性模型。
- 材料陈述的贡献
- 摘要称推导了函数及一阶导数在内生变量支持集上的一致收敛速率；模拟显示相对两步方法表现良好，恩格尔曲线应用结果合理。
- 阅读关注点
- 应核对工具变量识别与正则条件、单一参数的选择、单调约束的实施，以及收敛速率、模拟比较和恩格尔曲线的经济解释。
- 阅读边界
- 这是预印本，同行评审或期刊接收未经核实。摘要未列出识别条件、速率表达式或比较数值，不能认定一步方法普遍优于两步方法。
原文摘要
We extend nonparametric regression smoothing splines to a context where there is endogeneity and instrumental variables are available. Unlike popular existing estimators, the resulting estimator is one-step and relies on a unique regularization parameter. We derive rates of the convergence for the estimator and its first derivative, which are uniform in the support of the endogenous variable. We also address the issue of imposing monotonicity in estimation and extend the approach to a partly linear model. Simulations confirm the good performances of our estimator compared to two-step procedures. Our method yields economically sensible results when used to estimate Engel curves.