Identification of nonparametric monotonic regression models with continuous nonclassical measurement errors
Identification of nonparametric monotonic regression models with continuous nonclassical measurement errors
复制标题
具有连续非经典测量误差的非参数单调回归模型的识别
DOI：
10.1016/j.jeconom.2020.09.014
复制
发表时间：
2022
影响因子：
6.3
通讯作者：
Shiu, Ji-Liang
中科院分区：
文献类型：
--
作者：
Hu, Yingyao;Schennach, Susanne;Shiu, Ji-Liang
本文给出了非经典测量误差下具有不可观测连续回归的非参数回归模型辨识的充分条件。测量误差可能与模型中的潜在回归变量直接相关。我们的识别策略不需要额外的数据信息，例如二次测量、仪器变量或辅助样本。我们对非参数辨识的主要假设包括回归函数的单调性、回归误差的独立性和测量误差分布的完备性。我们还提出了一种筛子极大似然估计，并通过蒙特卡罗模拟研究了它的有限样本性质。
This paper provides sufficient conditions for identification of a nonparametric regression model with an unobserved continuous regressor subject to nonclassical measurement error. The measurement error may be directly correlated with the latent regressor in the model. Our identification strategy does not require the availability of additional data information, such as a secondary measurement, an instrumental variable, or an auxiliary sample. Our main assumptions for nonparametric identification include monotonicity of the regression function, independence of the regression error, and completeness of the measurement error distribution. We also propose a sieve maximum likelihood estimator and investigate its finite sample property through Monte Carlo simulations.
登录
查看更多内容
影响因子：
6.3
作者：
PAL, M
通讯作者：
PAL, M
影响因子：
6.1
作者：
Altonji, JG;Matzkin, RL
通讯作者：
Matzkin, RL
不规则参数的 Sieve M 推断
影响因子：
6.3
作者：
Xiaohong Chen;Z. Liao
通讯作者：
Z. Liao
影响因子：
6.3
作者：
Yingyao Hu;Susanne M. Schennach;J. Shiu
通讯作者：
J. Shiu
识别无单调性的不可分离模型中的边际效应
影响因子：
6.1
作者：
Hoderlein;Mammen
通讯作者：
Mammen