Nonparametric identification of an interdependent value model with buyer covariates from first-price auction bids
本文介绍了Milgrom和Weber（1982）的相互依赖价值模型的一个版本，其中信号由一个指数给出，该指数收集了计量经济学家观察到的信号转换器和每个投标人特有的私人信号。模型原语被证明是非参数化确定的第一价格拍卖出价下一个可测试的温和的排名条件。识别适用于所有可能的信号值。这允许考虑广泛的反事实，这是重要的，作为预期收入在第二价格拍卖。一个估计过程进行了简要讨论。
2019-10-23 econ.EM
Estimation of Auction Models with Shape Restrictions
我们引入了几种新的估计方法，利用拍卖模型中的形状约束来估计各种感兴趣的对象，包括投标人的估值分布，投标人的事前预期盈余，和卖方的反事实收入。这种基本方法适用范围很广，因为（与大多数文献不同的是）它适用于各种各样的拍卖形式，并考虑到不对称的出价人。虽然我们的方法不是限制性的，我们集中我们的分析第一价格，密封投标拍卖与独立的私人估值。我们强调两个非参数估计策略，一个基于最小二乘准则，另一个基于最大似然准则。我们还提供了策略函数的第一个直接估计。我们建立了我们的方法的几个理论属性，以指导实证分析和推理。除了提供我们的估计量的渐近分布，我们确定方法的选择，应适合他们感兴趣的对象的方式。对于像投标人的事前盈余和卖方的反事实的预期收入与一个额外的对称投标人的对象，我们表明，我们的输入-参数-免费估计达到半参数效率界。对于像投标人的逆策略函数这样的对象，我们提供了一个易于实现的边界校正核平滑和变换方法，以确保平方误差在估值的整个支持范围内是可积的。一个广泛的模拟研究说明了我们的分析结果，并证明了我们的最小二乘和最大似然估计在有限样本中各自的优势。与基于核密度估计的估计策略相比，模拟结果表明，我们的估计的平滑版本享有很大程度的鲁棒性的输入参数的选择。
2019-12-16 econ.EM stat.AP stat.CO
Grenander-type Density Estimation under Myerson Regularity
提出一种基于凸性约束（对应Myerson正则性）的Grenander型非参数估计器，用于第二价格拍卖中的私人价值密度估计，无需调参，具有立方根一致性和极小极大最优收敛速率。
2023-05-15 econ.EM math.ST stat.TH
A Robust Multi-Item Auction Design with Statistical Learning
UCLA（加州大学洛杉矶分校）
本文提出了一种结合统计学习和可信区间的多物品拍卖设计方法，通过两种新策略减少实施成本并提高效率。
2026-03-07 cs.GT stat.ML
Kernel-Based Nonparametric Tests For Shape Constraints
本文提出基于核的非参数检验方法，用于金融中正性、单调性和凸性等形状约束的推断与验证。
2026-01-23 cs.LG math.ST stat.ME
Nonparametric Estimation of the Underlying Distribution of Binned Continuous Data
本文提出一种基于三次保单调样条的非参数密度估计方法，用于分箱连续数据的底层分布估计，模拟和实际数据应用表明其优于多种常用启发式方法。
2023-09-22 stat.AP stat.ME
Nonparametric Identification of First-Price Auction with Unobserved Competition: A Density Discontinuity Framework
Queen Mary, University of London（伦敦大学玛丽女王学院）；University of Toronto（多伦多大学）
本文研究仅观测获胜出价的一级价格拍卖非参数识别，利用获胜出价密度的不连续性识别竞标者数量分布与私人价值分布，并发现上海政府IT采购的三竞标者规则导致高达10%的预算损失。
2026-09-28 econ.EM
Efficient estimation of functionals in nonparametric boundary models
对于带单侧误差的非参数回归和Poisson点过程的边界曲线模型，我们考虑了线性泛函的有效估计问题。极小极大最优速率是通过无偏估计方法获得的，但该方法依赖于底层回归或边界函数的赫尔德条件或单调性假设。我们首先构造了一个简单的块估计，然后建立了指数噪声变量和点过程模型的非参数极大似然方法。在该方法中也获得非渐近效率（UMVU：一致最小方差之间的所有无偏估计）的证明主要依赖于计数过程和点过程几何的鞅停止参数。的估计是很容易计算和一个小的模拟研究证实了它们的适用性。
2015-09-24 math.ST stat.TH
Positive definite nonparametric regression using an evolutionary algorithm with application to covariance function estimation
提出一种带正定性约束的模块化非参数回归框架，利用基于核分布代理的积分变换和迭代密度估计进化算法拟合协方差函数，并通过数值研究与降水数据验证其长程依赖估计优势。
2023-04-25 cs.NE stat.ME
Nonparametric estimation of the conditional distribution at regression boundary points
非参数回归是一种标准的统计工具，在大数据时代越来越重要。边界点造成额外的困难，但局部多项式回归可以用来减轻它们。例如，局部线性回归很容易实现，并且在内部点和边界点都表现得很好。通过标准核方法可以立即估计给定回归点处的条件分布函数和/或分位数函数，但如果要使用局部线性方法，则会出现问题。特别地，分布函数估计量不能保证是单调增加的，并且分位数曲线可以“交叉”。本文提出了一种修正局部线性分布估计单调性的简单方法，并通过模拟和实际数据实例证明了其良好的性能。
2017-04-03 stat.OT
The independence process in conditional quantile location-scale models and an application to testing for monotonicity
本文研究了位置-尺度环境下的非参数分位数回归模型。研究了基于协变量和估计残差的经验独立过程的渐近性质。特别地，证明了它的渐近展开和弱收敛于高斯过程.研究结果一方面可用于检验区位-尺度模型的有效性;另一方面，它们允许在条件分位数位置-尺度模型中导出各种规格检验。详细研究了条件分位数曲线的单调性检验。对于位置-尺度模型的有效性检验以及单调性检验，建议采用Kolmogorov-Smirnov和Cramer-von Mises型检验统计量的光滑残差自助版本。我们给出严格的证明自助版本的弱收敛结果。在模拟研究中证明了测试的性能。
2016-09-25 math.ST stat.TH
Nonparametric Estimation of Local Treatment Effects with Continuous Instruments
研究提出连续工具变量下局部处理效应的非参数估计方法，引入广义LATE估计量并发展双重稳健估计，理论证明与模拟均显示其优势，并应用于NICU分娩对婴儿死亡率影响的评估。
2025-08-11 stat.ME
GLS under Monotone Heteroskedasticity
本文针对异方差 GLS 中条件方差函数估计难题，提出在非参数单调性约束下使用保序回归的两阶段 GLS 估计量，并通过模拟与老龄化—增长实证应用验证其有效性。
2024-01-23 econ.EM stat.ME
Centered Isotonic Regression: Point and Interval Estimation for Dose-Response Studies
单变量保序回归（IR）已用于剂量-反应和剂量探索研究中的非参数估计。IR的一个不可取的属性是在其估计中普遍存在分段常数拉伸，而剂量反应函数通常被假设为严格递增。我们提出了一个简单的修改IR，称为中心保序回归（CIR）。CIR的估计值在剂量范围的内部严格地增加。在不存在单调性违反的情况下，CIR和IR都返回原始观测值。数值检验表明，典型的剂量-反应研究的样本量和现实的剂量-反应曲线，CIR提供了一个显着减少估计误差相比，IR时发生单调性违规。我们还开发了IR和CIR的分析区间估计，具有良好的覆盖行为。R包实现了这些点估计和区间估计。
2017-01-21 stat.ME
Order Statistics Approaches to Unobserved Heterogeneity in Auctions
利用连续三次顺序统计量建立了具有连续不可分不可观测异质性拍卖模型的非参数辨识。然后，我们提出了未观察到的异质性和私人价值的联合分布，以及它们的条件和边缘分布的筛分最大似然估计。最后，我们将我们的方法应用于中国司法拍卖的一个新数据集。我们的估计表明，在设定储备价格时，考虑到未观察到的异质性会有很大的收益。我们提出了一个简单的方案，通过使用评估值作为保留价，实现了近最优收益。
2022-10-07 econ.EM
Inference for First-Price Auctions with Guerre, Perrigne, and Vuong's Estimator
我们考虑独立私人价值范式下的第一价格密封拍卖模型中估值概率密度的推断。我们证明了Guerre，Perrigne，and Vuong（2000）（GPV）的两步非参数估计的渐近正态性，并提出了一个易于实现的渐近方差的相容估计。我们证明了基于GPV估计的逐点百分位数Bootstrap置信区间的有效性。最后，我们使用中间高斯近似的方法来构建基于Bootstrap的渐近有效的一致置信带的密度的估值。
2019-03-15 econ.EM
Identification in Auctions with Truncated Transaction Prices
本文研究截断成交价格下拍卖的非参数识别，发现信息结构影响可识别性，并推广至含进入成本的拍卖。
2025-10-08 econ.EM
Nonparametric instrumental variable estimation under monotonicity
在非参数工具变量模型中恢复回归函数的逆问题的不适定性导致估计量可能遭受非常慢的对数收敛速度。在本文中，我们表明，限制问题的模型与单调回归函数和单调工具显着削弱了不适定性的问题。与现有文献形成鲜明对比的是，单调工具的存在意味着我们的不适定性测度的有界性时，仅限于单调函数的空间。基于这个结果，我们得到了一个新的非渐近误差界的约束估计，施加单调的回归函数。对于给定的样本量，只要回归函数不是太陡，边界与不适定性的程度无关。作为一个含义，界允许我们表明，约束估计收敛在一个快速的，多项式的速度，独立的不适定性的程度，在一个大的，但慢慢收缩的常数函数的邻域。我们的模拟研究表明，即使当回归函数是相当远的是一个常数，施加单调性显着的有限样本的性能增益。我们将约束估计量的问题估计汽油需求函数从美国的数据。
2015-07-19 econ.EM math.ST stat.AP
Optimal empirical Bayes estimation for the Poisson model via minimum-distance methods
针对 Poisson 模型中 Robbins 估计量缺乏平滑性和单调性的问题，基于最小距离方法提出一套经验 Bayes 估计量，在保持最小最大 regret 最优性的同时在合成与真实数据上优于 Robbins 方法。
2025-09-13 math.ST stat.ME stat.TH
Robustify and Tighten the Lee Bounds: A Sample Selection Model under Stochastic Monotonicity and Symmetry Assumptions
本文通过引入随机单调性假设和非参数分布形状约束，在增强 Lee 界限稳健性的同时收紧其宽度，并证明所得界限可被根号 n 一致估计，最后用课后辅导实验数据验证了方法的实用性。
2025-01-05 econ.EM
Shape-constrained uncertainty quantification in unfolding steeply falling elementary particle spectra
高能物理展开问题是CERN大型强子对撞机（LHC）数据分析中的一个重要统计反问题。展开的目的是从粒子探测器有限分辨率的测量结果中对粒子谱进行非参数推断。以前的展开方法使用专门的离散化和正则化，导致置信区间的覆盖率显著低于其标称水平。而不是正则化使用粗糙度惩罚或停止迭代方法早期，我们施加物理动机的形状约束：积极性，单调性和凸性。我们量化的不确定性，通过构建一个非参数的置信集的真实光谱，包括所有这些光谱，满足形状的约束，并预测在适当校准的拟合水平的观察。投影该集合产生光谱的所有泛函的同时置信区间，包括箱内的平均值。置信区间保证了保守的频率有限样本覆盖率的重要和具有挑战性的一类展开问题急剧下降的粒子光谱。我们证明了该方法使用模拟，模仿展开包容性射流横向动量谱在大型强子对撞机。形状约束的间隔提供了有用的紧保守的推断，而传统的方法遭受严重的覆盖不足。
2017-06-08 hep-ex physics.data-an stat.AP
Adversarial Sign-Corrupted Isotonic Regression
经典的一元保序回归涉及真实信号单调性约束下的非参数估计。我们考虑这个生成过程的一个变化，我们称之为对抗符号损坏的保序（\texttt{ASCI}）回归。在此\texttt{ASCI}设置下，攻击者可以完全访问真实的等渗响应，并且可以自由地对它们进行签名破坏。在给定这些符号损坏响应的情况下估计真实单调信号是一项极具挑战性的任务。值得注意的是，符号损坏被设计成违反单调性，并且可能引起损坏的响应项之间的严重依赖。从这个意义上说，\texttt{ASCI}回归可以被视为保张回归的对抗性压力测试。我们的动机是通过理解在这种对抗性设置下，单调信号的有效鲁棒估计是否可行来驱动的。我们开发了\texttt{ASCIFIT}，一个三步估计程序下的\texttt{ASCI}设置。\texttt{ASCIFIT}程序在概念上很简单，易于使用现有软件实现，并且包括应用具有关键的预处理和后处理校正的\texttt{PAVA}。我们正式这个过程，并证明其理论保证的形式尖锐的高概率上界和极大极小下界。我们用详细的模拟来说明我们的发现。
2022-07-14 math.ST stat.ML stat.TH
Assessing Sensitivity to IV Exclusion and Exogeneity without First Stage Monotonicity
Toulouse School of Economics（图卢兹经济学院）；Duke University（杜克大学）；Georgetown University（乔治城大学）
本文提出新的敏感性分析方法，用于评估工具变量排除和外生性假设的有效性，不依赖第一阶段的单调性要求，通过非参数放松方法分析潜在结果的边际分布及平均处理效应。
2026-04-08 econ.EM stat.ME
Estimating a monotone trend
受全球变暖问题的启发，考虑了一个具有平稳波动的非减趋势的时间序列，在单调性假设下考虑了趋势的非参数估计.证明了在内点上的重标保序估计在平稳误差极小的条件下收敛于Dupff分布。由于保序估计遭受的尖峰问题，在端点，提出了两个修改。边界点的两个估计的估计误差具有有趣的极限分布。通过模拟评估了近似精度。我们处理的一个亮点是证明弱收敛结果，其中涉及到最近在研究连续中心极限问题中发展起来的几种技术。这些弱收敛可以被证明是有条件地保持给定的起始值。
2008-12-17 math.ST stat.TH
Generalized Asymptotic Limit Theory and Inference for Isotonic Regression
University of Pennsylvania（宾夕法尼亚大学）；Carnegie Mellon University（卡内基梅隆大学）
研究保序回归问题，引入真实函数局部行为的一般条件，揭示更丰富渐近分布族。因估计干扰参数，经典框架推断有挑战。利用新极限分布对称性，使HulC程序产生有效置信区间，框架让推断在特定函数类上一致有效。
2026-07-20 math.ST stat.ME stat.TH
Statistical inference for partially shape-constrained function-on-scalar linear regression models
本文针对部分形状约束的函数型标量线性回归模型，提出基于核与样条方法的复合假设检验框架，通过度量约束与无约束拟合的 $L^2$ 距离进行推断，并从理论和数值上验证了检验的一致性与实用性。
2025-05-08 stat.ME
Decoding Consumer Preferences Using Attention-Based Language Models
本文提出两阶段训练仅编码器语言模型的需求估计方法，从二手车拍卖文本中推断私人估值与市场规模，并通过留存零样本数据验证反事实分析能力。
2025-07-23 econ.EM
Shape-constrained Estimation in Functional Regression with Bernstein Polynomials
Shape restrictions on functional regression coefficients such as non-negativity, monotonicity, convexity or concavity are often available in the form of a prior knowledge or required to maintain a structural consistency in functional regression models. A new estimation method is developed in shape-constrained functional regression models using Bernstein polynomials. Specifically, estimation approaches from nonparametric regression are extended to functional data, properly accounting for shape-constraints in a large class of functional regression models such as scalar-on-function regression (SO…
2022-09-09 math.ST stat.AP stat.ME
Information bounds for inference in stochastic evolution equations observed under noise
该研究针对带测量噪声的希尔伯特空间随机演化方程（重点为SPDE）的参数估计问题，通过界定不同参数观测分布的Hellinger距离推导估计误差下界，揭示信息结构，提出通用估计程序达到参数情形的极小极大最优速率，并分析非参数情形的复杂信息结构。
2025-05-20 math.ST stat.TH
Nonclassical Measurement Error in the Outcome Variable
研究了结果变量具有一般形式的非经典测量误差的半/非参数回归模型。我们证明了这个模型等价于一个广义回归模型。我们的主要识别假设是一个特殊的回归类型的限制和单调性之间的非线性关系的观察和未观察到的真实结果。非参数识别，然后得到下的归一化的未知链接函数，这是一个自然的扩展的经典测量误差的情况下。我们提出了一种新的筛秩估计的回归函数，并建立其收敛速度。在蒙特卡罗模拟中，我们发现，我们的估计纠正非经典测量误差引起的偏差，并提供数值稳定的结果。我们应用我们的方法来分析股票市场预期的信念形成与德国社会经济小组（SOEP）的调查数据，并找到证据的非经典测量误差的主观信念数据。
2021-05-30 econ.EM stat.ME
Nonparametric Identification and Estimation of Spatial Treatment Effect Boundaries: Evidence from 42 Million Pollution Observations
本文提出非参数框架识别估计空间处理效应边界，利用4200万个卫星NO₂观测，证明核回归较参数指数衰减平均降低预测误差1.0个百分点，并验证了时间敏感性。
2025-10-20 econ.EM econ.TH stat.AP
Two-Stage Maximum Score Estimator
本文研究了半参数M-估计的渐近理论，它一般适用于在一个或多个参数指标中满足单调性条件的模型。我们称这个估计量为两阶段最大得分（TSMS）估计量，因为我们的估计量在应用于Manski（1975，1985）的二元选择模型时涉及第一阶段非参数回归。我们描述的渐近分布的TSMS估计，其特征相变取决于尺寸，从而第一阶段估计的收敛速度。有效地，第一阶段非参数估计充当非光滑准则函数上的不完美光滑函数，导致第一阶段估计误差关于第二阶段收敛速度和渐近分布的完全性
2022-09-15 econ.EM
One-step smoothing splines instrumental regression
本文提出一种一步平滑样条工具回归估计量，仅依赖单一正则化参数，推导其在内生变量支撑集上的一致收敛速度，并支持单调性约束与部分线性模型，模拟和Engel曲线应用验证了其优势。
2024-12-09 econ.EM stat.ME
