Minimum distance from independence estimation of nonseparable instrumental variables models
非可分工具变量模型的独立性最小距离估计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：摘要研究非可分工具变量结构模型，并以教育回报估计展示其识别和应用。
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
非可分工具变量模型的独立性最小距离估计
- 研究问题
- 在非可分工具变量模型中，如何利用独立性条件识别模型，并在工具变量可离散或连续、第一步含干扰参数时构造可推断的估计量？
- 方法与思路
- 作者以最接近满足独立性条件的参数值构造半参数最小距离估计，第一步对内生变量关于工具变量做分位数回归，形成两步程序。
- 材料陈述的贡献
- 摘要称对参数化但灵活非线性的结果方程证明一致性和渐近正态性，并证明非参数自助法一致性，使用NLSY1979数据估计教育回报。
- 阅读关注点
- 应核对独立性条件、非可分结构和工具变量支持要求，以及第一步分位数回归误差如何进入第二步推断和自助法实施。
- 阅读边界
- 仅据出版社摘要，无法获知完整识别与正则条件或教育回报数值；其渐近结论针对所述结果方程，不能直接推广至任意非参数模型。
原文摘要
I develop a semiparametric minimum distance from independence estimator for a nonseparable instrumental variables model. An independence condition identifies the model for many types of discrete and continuous instruments. The estimator is taken as the parameter value that most closely satisfies this independence condition. Implementing the estimator requires a quantile regression of the endogenous variables on the instrument, so the procedure is two-step, with a finite or infinite-dimensional nuisance parameter in the first step. I prove consistency and establish asymptotic normality for a parametric, but flexibly nonlinear outcome equation. The consistency of the nonparametric bootstrap is also shown. I illustrate the use of the estimator by estimating the returns to schooling using data from the 1979 National Longitudinal Survey.