Indirect inference in incomplete and partially identified econometric models
Johns Hopkins University(约翰斯·霍普金斯大学)
本研究将间接推断原理扩展至不完全且部分识别的计量经济模型,通过随机集理论使绑定函数可计算,结合数值德尔塔法,在100个潜在进入者的进入博弈模拟中展现出计算优势。
2026-10-28 econ.EM
The Linear Programming Approach to Partially Identified Models
UCLA(加州大学洛杉矶分校)
本文针对部分识别计量模型的LP值估计,提出根n一致的新估计量,推导一般识别下的LP精确界,并提出cMIV假设应用于哥伦比亚教育回报率估计,得出大学教育至少提升5.5%平均工资的结论。
2026-11-05 econ.EM
A Simple, Short, but Never-Empty Confidence Interval for Partially Identified Parameters
本文重新审视了简单的,但经验显着的,问题的推理实值参数,部分确定通过上界和下界与渐近正态估计。提出了一个简单的置信区间,并示出具有以下属性:-它是从来没有空的或笨拙的短,包括当样本模拟的识别集是空的。- 它对于定义良好的伪真参数是有效的,无论模型是否是良好指定的。- 它不涉及调优参数和最小的计算。计算间隔需要集中出一个标量干扰参数。在大多数情况下,实际结果很简单:要实现95%的覆盖率,报告一个简单的90%(!)识别集的置信区间和伪真参数的标准95%置信区间。对于不相关的估计-特别是如果边界估计从不同的子样本-和传统的覆盖水平,这个简单的过程的有效性可以分析。该案例在激励性的实证应用中获得(de Quidt,Haushofer和Roth,2018),其中证明了对现有推理方法的改进。更一般地说,模拟表明,新的置信区间具有良好的长度和大小控制。这部分是因为,在预期永远不会为空的情况下,可以使间隔比样本空间的相关区域中的常规间隔更短。
2020-12-31 econ.EM
Random Set Quantile Estimation of Partially Identified Discrete Response Models
Boston College(波士顿学院);Faculty of Economics, University of Cambridge(剑桥大学经济系);Amazon(亚马逊)
针对协变量离散导致回归系数部分识别的问题,提出随机集分位数(RSQ)估计量,通过提取经典估计量的τ分位数实现一致且局部稳健的估计,并应用于2019年英国大选数据。
2026-06-01 econ.EM
Partially identified heteroskedastic SVARs
University of Bologna(博洛尼亚大学);Brown University(布朗大学);University of Milan(米兰大学);Fondazione Eni Enrico Mattei(埃尼·恩里科·马泰伊基金会);Study Center Gerzensee, Foundation of the Swiss National Bank(瑞士国家银行Gerzensee研究中心)
本文提出了一种处理异方差SVARs中多重特征值问题的方法,通过特征分解和贝叶斯推断来识别冲击响应并进行推断。
2026-11-09 econ.EM
Optimal Decision Rules when Payoffs are Partially Identified
Yale University(耶鲁大学);University of Southern California(南加州大学);University of Pennsylvania(宾夕法尼亚大学)
本文提出在收益部分识别情况下,结合最小最大方法和平均风险最小化方法,推导出最优决策规则,并应用于治疗选择和定价问题。
2025-12-18 econ.EM stat.ME
Generalized method of moments with partially missing data
Center for Economic and Social Research, University of Southern California(南加州大学经济社会研究中心);Department of Economics, University of Southern California(南加州大学经济学系)
本文提出了一种处理部分缺失数据的广义矩方法,通过支撑函数确定参数识别集,并提出检验统计量和置信区域构造方法,通过模拟验证其有效性。
2026-01-06 econ.EM
Partially Identified Heterogeneous Treatment Effect with Selection: An Application to Gender Gaps
本文在样本选择模型框架下,利用排除性限制对性别差距进行部分识别,通过按可观测和不可观测特征划分个体类型并推导各类型的比例和性别差距界,揭示了性别差距的异质性特征及其随时间变化的趋势。
2024-10-03 econ.EM
Nonparametric Bayesian Inference for Partially Identified Discrete Response Models
Harvard University(哈佛大学);Duke University(杜克大学)
本文提出部分识别离散响应模型的非参数贝叶斯推断框架,其后验相合且计算简便,可扩展至多类响应场景。
2026-08-27 econ.EM stat.ME
Semi-parametric Bayesian Partially Identified Models based on Support Function
我们提供了一个全面的贝叶斯部分识别计量经济模型的半参数研究。虽然现有的文献贝叶斯部分识别主要集中在结构参数,我们的主要重点是贝叶斯可信集(BCS)的未知识别集和后验分布的支持函数。我们构造了一个(双边)BCS的基础上的支持功能的识别集。我们证明了支持函数的后验分布的Bernstein-von Mises定理。这个强大的结果反过来推断,而BCS和频率论置信集的部分确定的参数是渐近不同的,我们构造的BCS的确定集有一个渐近正确的频率论覆盖概率。重要的是,我们说明,所构造的BCS的识别集不需要事先的结构参数。它可以有效地计算子集推断,特别是当目标的兴趣是一个子向量的部分识别的参数,其中投影到一个低维子集往往是必需的。因此,所提出的方法在许多应用中是有用的。贝叶斯部分识别文献一直假设一个已知的参数似然函数。然而,计量经济学模型通常只识别一组矩不等式,因此使用不正确的似然函数可能导致误导性的推论。与此相反,与一个非参数先验的未知似然函数,我们提出的贝叶斯过程只需要一组矩条件,并可以有效地进行推断的部分识别的参数和它的识别集。这使得它广泛适用于一般的矩不等式模型。最后,以一个金融资产定价问题为例说明了该方法的有效性.
2013-11-22 econ.EM math.ST stat.ME
Subvector Inference in Partially Identified Models with Many Moment Inequalities
本文研究了具有多个矩不等式的部分可辨识模型中参数向量的函数的推断问题。该框架允许矩条件的数量随着样本量的增加而增加,可能以指数速率增加。我们的主要激励应用是子向量推理,即,对与治疗效果或感兴趣的政策变量相关联的部分识别的参数向量的单个分量的推断。我们的推理方法比较了MinMax检验统计量(最小的参数满足$H_0$和最大的矩不等式)对临界值,是基于自举近似或分析界限。我们发现,这种方法控制渐近大小均匀的一个大类的数据生成过程,尽管部分确定的许多时刻不等式设置。有限样本分析使我们能够获得明确的收敛速度的大小控制。我们的结果是基于结合非渐近近似和新的高维中心极限定理的随机矩阵的组件的MinMax。与以前的文献中的功能推断部分确定的模型,我们的结果不依赖于弱收敛结果的基础上Donsker的类假设,事实上,我们的检验统计量甚至可能不会收敛于分布。我们的自举近似需要选择一个调整参数序列,可以避免我们的检验统计量的过度集中。为此,我们提出了一个渐进有效的数据驱动的方法来选择这个调谐参数序列。该方法将调谐参数序列的选择推广到Donsker类假设之外的问题,并且也可能具有独立的兴趣。我们的程序基于自归一化的中等偏差界相对更保守,但更容易实现。
2018-06-29 econ.EM math.ST stat.TH
Partially Linear Models under Data Combination
针对实证微观经济学中常见的结果与协变量分属两个无法关联数据集的部分线性模型问题,借助最优运输理论推导精确识别集的构造性刻画,开发利用其几何性质的推断方法,有限样本表现良好且易处理,应用于美国1850-1930年代际收入流动性研究,可放宽排除性限制并得到有信息量的置信区域。
2023-08-22 econ.EM
Inference in partially identified moment models via regularized optimal transport
Center for Economic and Social Research, University of Southern California(南加州大学社会经济研究中心);Department of Economics, University of Pittsburgh(匹兹堡大学经济学系)
提出基于正则化最优传输的部分识别GMM模型推断方法,用熵正则化近似支撑函数并利用Sinkhorn算法高效计算,建立熵正则化OT的CLT,通过bootstrap获得有效临界值,在蒙特卡洛模拟和幸福度面板logit模型中验证性能。
2026-06-08 econ.EM math.ST stat.TH
Revisiting identification concepts in Bayesian analysis
本文研究了识别在统计和计量经济模型的贝叶斯分析中所起的作用。首先,对于未识别的模型,我们证明了在某些情况下,引入非退化先验分布可以使一个参数,这是nonidentified在贝叶斯理论中确定的频率论理论。在其他情况下,最好是与未识别的模型一起工作,并为其构建马尔可夫链蒙特卡罗(MCMC)算法,而不是引入识别假设。其次,对于部分识别的模型,我们演示了如何构建先验和后验分布的识别集参数,以及如何进行贝叶斯分析。最后,对于模型,包含一些参数,确定和其他人没有,我们表明,边缘化确定的参数的可能性相对于其条件先验,给定的非确定参数,允许数据是信息的非确定和部分确定的参数。本文提供的例子和模拟,说明如何实现我们的技术。
2021-10-19 econ.EM
Inference After Model Refutation: Uniform Post-Relaxation Inference for Partially Identified Models
University at Albany, State University of New York(纽约州立大学奥尔巴尼分校)
本文针对部分识别模型,提出后松弛投影(PR)方法,解决模型被数据拒绝后需选择修正方式的问题,通过跨国制度与收入数据验证所有可容许极小修正均表明制度有正向效应。
2026-11-13 econ.EM stat.ME
Sharp Hybrid Confidence Bands for Partially Identified Treatment Effects under Tail Uncertainty with an Application to Workforce Gender Diversity and Firm Performance
The Inclusion Initiative, London School of Economics and Political Science(伦敦政治经济学院包容性倡议);Data Science Institute, London School of Economics and Political Science(伦敦政治经济学院数据科学研究所)
本文提出concATE方法,结合分布自由浓度界和渐近delta方法,解决尾部不确定性下的处理效应估计问题,并应用于企业绩效分析。
2026-04-13 econ.EM stat.ME
Debiased Machine Learning of Set-Identified Linear Models
University of California, Berkeley(加州大学伯克利分校)
本文提供了一种识别集边界的估计和推理方法(即,支持函数),其中基于现代正则化工具在非常大量的协变量中进行选择。我用半参数矩方程的边界特征。结合Neyman正交性和样本分裂的思想,构造了边界的一个根-N相容的一致渐近高斯估计,并提出了一个乘子自助过程来进行推断。我将这个结果应用到部分线性模型,部分线性IV模型和平均偏导数与区间值的结果。
2022-12-13 cs.LG econ.EM stat.ML
Simple Inference on Functionals of Set-Identified Parameters Defined by Linear Moments
本文针对线性矩不等式定义的部分识别参数的线性泛函/标量子向量,提出基于随机扰动线性规划值函数自助法的一致有效推断方法,无需参数空间网格化,弱假设下有效且计算简便。
2023-05-07 econ.EM
Using Monotonicity Restrictions to Identify Models with Partially Latent Covariates
本文提出了一种识别具有部分潜协变量的计量经济模型的新方法。这种数据结构出现在产业组织和劳动经济学设置中,其中使用基于输入的采样策略来收集数据,例如,如果抽样单位是多个劳动投入要素之一。我们发现,潜在的协变量可以非参数化识别,如果他们是一个共同的冲击满足一些合理的单调性假设的功能。随着潜在的协变量的确定,半参数估计的结果方程的收益在一个标准的IV框架内,占endoavailability的协变量。我们说明了我们的方法使用一个新的应用程序,专注于药店的生产功能的有用性。我们发现,连锁药店和独立药店之间的技术差异可以部分解释所观察到的行业结构的转变。
2022-06-28 econ.EM econ.GN q-fin.EC
Model-Agnostic Covariate-Assisted Inference on Partially Identified Causal Effects
Stanford University(斯坦福大学)
本文提出一种基于最优运输对偶理论的模型无关推断方法,可用于部分识别因果效应,在随机实验和观察性研究中均有效,能减小识别集与置信区间宽度且计算高效。
2026-08-25 econ.EM math.ST stat.ME
Confidence Intervals for Projections of Partially Identified Parameters
本文提出基于自举的校准投影方法,为部分识别参数的分量及光滑函数构建置信区间,并设计基于响应面全局优化的快速求解算法,通过实证与模拟验证其统计和计算性能。
2019-06-05 econ.EM math.ST stat.TH
Monte Carlo Confidence Sets for Identified Sets
在复杂/非线性参数模型中,通常很难知道模型参数是否是点识别的。我们提供了计算上有吸引力的程序来构建置信集(CS)的确定的一组完整的参数和子向量的模型定义通过一个可能性或矩等式或不等式的向量。这些CS是基于最优样本准则函数(如似然或最优加权或连续更新的GMM准则)的水平集。水平集的构造使用截断,通过蒙特卡罗(MC)模拟直接从准后验分布的标准计算。在部分可辨识的正则模型和非正则模型中,建立了拟似然比(QLR)的拟后验分布的Bernstein-vonMises(或BayesianWilks)型定理.这些结果意味着,我们的MC CS有确切的渐近频率覆盖的完整的参数和子向量的部分确定的定期模型,并有有效的,但可能保守的覆盖模型的边界上的简化形式的参数。我们的MC CS确定的子向量集,具有精确的渐近覆盖模型的奇点。我们还提供了结果的统一有效性,我们的CS类的DGP,包括点和部分确定的模型。我们证明了良好的有限样本覆盖性能,我们的程序在两个模拟实验。最后,我们的程序被应用到两个非平凡的实证例子:航空公司进入游戏和贸易流模型。
2017-09-26 econ.EM math.ST stat.ME
Bayesian Inference for Structural Vector Autoregressions Identified by Markov-Switching Heteroskedasticity
本研究构建了马尔可夫区制转移异方差识别的结构向量自回归模型的贝叶斯推断方法,推导识别约束并通过解析推导提升计算效率,实证验证了利率反应函数含货币变量的模型更优。
2018-11-20 econ.EM
Inference in a class of optimization problems: Confidence regions and finite sample bounds on errors in coverage probabilities
本文介绍了三种方法进行非渐近推断的部分识别参数的解决方案,一类最优化问题。其中出现的优化问题的应用包括形状限制下的估计,离散游戏模型的估计,以及基于分组数据的估计。部分识别的参数的特点是,除了结构参数的限制,涉及未知的人口手段观察到的随机变量。推断包括寻找结构参数函数的置信区间。我们的理论提供了有限样本下界的覆盖概率的置信区间下三组假设的强度增加。在大多数经济学应用中,样本量适中,随着假设的加强,界限变得更紧。我们讨论的人口参数的估计,界限取决于和对比我们的方法与其他方法获得置信区间部分确定的参数。蒙特卡罗实验结果和经验例子说明了我们的方法的实用性。
2022-12-01 econ.EM stat.ME
Adaptive Estimation of Aggregated Values of Conditional Linear Programs
University of California, Berkeley(加州大学伯克利分校)
针对部分识别参数(如处理效应边界、状态依赖失业模型等),提出协变量辅助方法,将识别集边界表示为回归函数交集的协变量分布平均,证明其正则性并建立渐近理论,通过实证应用验证。
2026-06-06 econ.EM
Locally- but not Globally-identified SVARs
University of Bologna(博洛尼亚大学);Brown University(布朗大学)
本文提出新的估计和推断方法,解决局部但不全局可识别的SVARs模型中的计算挑战,通过多模态后验采样和冲击响应分析。
2026-03-08 econ.EM
Inference on Strongly Identified Functionals of Weakly Identified Functions
本文提出了一种在干扰函数弱识别时仍能对连续线性泛函进行强识别推断的新条件,构建了基于惩罚极小极大估计的去偏估计量,证明了其渐近正态性,并在近端因果推断和工具变量回归中验证了有效性。
2023-07-01 econ.EM math.ST stat.ME
A path-sampling method to partially identify causal effects in instrumental variable models
在一般工具变量模型中,部分识别方法是标准点识别方法的一种灵活和鲁棒的替代方法。然而,这种灵活性是以“基数诅咒”为代价的:对所确定的集合的限制数量随着支持内源性处理的点的数量呈指数级增长。本文提出了一种新的路径采样方法来应对这一挑战。它的目的是部分识别因果效应的利益在最复杂的模型与连续的内源性治疗。随机过程表示允许将对个人行为的假设无缝地合并到模型中。一些潜在的应用包括不完全依从性随机试验中的剂量反应估计,社会计划的评估,需求模型中的福利估计和连续选择模型。作为一个示范,该方法提供了翔实的非参数范围内的家庭支出的假设下,支出是连续的。数学上的贡献是一种近似求解无限维线性规划路径空间通过采样。
2020-06-29 econ.EM math.ST stat.TH
Treatment Choice, Mean Square Regret and Partial Identification
针对二元治疗选择中福利仅部分识别的问题,本研究以均方遗憾为准则开展有限样本分析,发现最优规则为分数形式,最优治疗比例由t统计量的logistic变换乘以约束优化因子得到,识别集越宽比例越接近0.5,决策者越谨慎。
2023-10-10 econ.EM stat.ME