Latent indices in assortative matching models
Latent indices in assortative matching models
复制标题
选型匹配模型中的潜在指数
DOI：
--
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
N. Agarwal
中科院分区：
文献类型：
--
作者：
W. Diamond;N. Agarwal
包括可转移和不可转移效用的大类双边匹配模型导致沿潜在指数的正分类匹配。然而，由于存在未观察到的特征，来自匹配市场的数据可能不会表现出完美的分类性。本文对这类模型的辨识与估计进行了研究。我们表明，当观察到一对一匹配的数据时，潜在指数的分布无法确定。值得注意的是，当一方的每个代理至少有两个匹配的合作伙伴时，该模型使用单个大市场中的数据进行非参数识别。在多对一的比赛中，额外的经验内容是用模拟和程式化的例子来演示的。然后，随着市场规模的增加，我们推导出最小距离估计器的渐近性质，允许使用来自单个大型匹配市场的相关数据进行估计。依赖关系的性质要求修改现有的经验过程技术，以获得极限定理。
A large class of two‐sided matching models that include both transferable and non‐transferable utility result in positive assortative matching along a latent index. Data from matching markets, however, may not exhibit perfect assortativity due to the presence of unobserved characteristics. This paper studies the identification and estimation of such models. We show that the distribution of the latent index is not identified when data from one‐to‐one matches are observed. Remarkably, the model is nonparametrically identified using data in a single large market when each agent on one side has at least two matched partners. The additional empirical content in many‐to‐one matches is demonstrated using simulations and stylized examples. We then derive asymptotic properties of a minimum distance estimator as the size of the market increases, allowing estimation using dependent data from a single large matching market. The nature of the dependence requires modification of existing empirical process techniques to obtain a limit theorem.
配套市场政策分析
影响因子：
10.7
作者：
Agarwal, Nikhil
通讯作者：
Agarwal, Nikhil
代价高昂的让步：与不完美可转让效用相匹配的经验框架
影响因子：
8.2
作者：
Galichon, Alfred;Kominers, Scott Duke;Weber, Simon
通讯作者：
Weber, Simon