Nonparametric Identification of Differentiated Products Demand Using Micro Data
我们研究了当一个人拥有连接个人消费者的特征和选择的“微观数据”时,差异化产品需求的识别。我们的模型嵌套标准规格,具有丰富的观察到的和未观察到的消费者异质性,以及产品/市场层面的不可观察性,引入了计量经济学的内隐问题。以前的工作建立了识别这种模式使用市场层面的数据和工具的所有价格和数量。微观数据提供了一种面板结构,便于更丰富的需求规格,并减少了对工具变量的数量和类型的要求。我们解决的标准情况下,其中非价格产品特性被假定为外生的需求识别,但也包括识别需求弹性和其他关键功能时,产品特性是内生的。我们讨论了这些结果的应用工作的影响。
2022-04-29 econ.EM
Nonparametric Identification in Index Models of Link Formation
本文考虑了一个具有同质效应指标和程度异质性指标的二元链接形成指数模型。我们提供非参数识别结果在一个单一的大型网络设置潜在的非参数同质性效应函数,实现未观察到的个人固定效应和未知分布的特质成对冲击,归一化,为每个可能的真实值的未知参数。我们提出了一种新的形式的规模归一化的任意分位数范围内,这不仅是理论上的强大,但也证明特别方便的识别分析,因为分位数提供了可观察的条件概率和未知的指标值之间的直接联系。然后,我们使用一个归纳的“填充和扩展”算法来建立我们的主要结果,并考虑扩展到更一般的设置,允许同质性和程度异质性之间的不可分离的依赖,以及一定程度的网络稀疏性和较弱的假设上的支持未观察到的异质性。作为一个副产品,我们还提出了一个概念,称为“建模等价”作为“观测等价”的细化,并使用它来提供一个正式的讨论规范化,识别和他们的相互作用与反事实。
2018-05-15 econ.EM
Rebuttal of "On Nonparametric Identification of Treatment Effects in Duration Models"
Johansson和Lee在他们的IZA Discussion Paper 10247中声称Abbring和Van den Berg(2003 b)的主要结果(命题3)不成立。我们证明他们的说法是不正确的。在他们的推理路线中的某个点上,他们在将一个随机变量转换为另一个随机变量时犯了一个相当基本的错误,这导致他们得出不正确的结论。因此,他们的纸张可以被丢弃。
2019-07-20 econ.EM
Nonparametric Identification and Estimation with Independent, Discrete Instruments
在非参数工具回归模型中,我们加强了传统的矩独立性假设,使工具项和误差项之间完全统计独立。这使我们能够证明识别结果,并开发一个结构函数的利益时,该工具是离散的,特别是二进制的估计。当回归感兴趣的也是离散的,更多的质量点比仪器,我们状态下的结构功能被部分识别的直接条件下,并给出修改后的假设,这意味着点识别。这些更强的假设被证明持有一个小的条件矩的误差项。当结构函数是部分或点识别时,给出了识别集的估计量。当回归量是连续分布的,我们证明,如果仪器引起足够丰富的变化,在联合分布的回归量和误差项,然后点识别的结构功能仍然是可能的。这种方法是相对听话的,在一些标准条件下,我们证明了我们的点识别假设上的一组拓扑通用的密度函数的回归,误差和仪器的联合分布。我们的方法也适用于一个著名的非参数分位数回归框架,我们能够在这种情况下,国家类似的点识别结果。
2019-06-12 econ.EM
Irregular Identification of Structural Models with Nonparametric Unobserved Heterogeneity
微观计量经济学中最重要的实证发现之一是经济行为中异质性的普遍性(参见《经济学》)。Heckman 2001)。本文证明了非参数不可观测异质性的累积分布函数和分位数在许多结构经济模型中具有无穷大的有效界。本文对这一事实作了一个相对简单的检验。本文用经济学中的几个相关例子来说明该理论的实用性,包括:具有严重长期失业的个体比例,具有异质第一阶段效应的相关随机系数模型中的平均边际效应和具有正边际效应的个体比例,线性模型中随机系数的分布和分位数,二进制和混合Logit模型。蒙特卡罗模拟说明了有限样本的影响,我们的研究结果的分布和分位数的随机系数的混合Logit模型。
2020-05-18 econ.EM
Identification and Estimation of Network Models with Nonparametric Unobserved Heterogeneity
University College London(伦敦大学学院)
本文提出了一种非参数网络模型,通过利用相互作用结果识别具有相同固定效应的主体,并通过观测特征变化来估计协变量影响,从而解决未观测异质性对估计一致性的影响。
2026-02-06 econ.EM
Nonparametric Analysis of Finite Mixtures
有限混合模型在应用计量经济学中很有用。它们可以用来模拟不可观测的异质性,在劳动经济学、产业组织等领域发挥着重要作用。混合物在处理污染取样模型和具有多重均衡的模型时也很方便。本文证明了有限混合模型在经济应用中合理的弱假设下是非参数识别的。关键是利用协变量变异中信息所隐含的识别能力。首先,提出了三种识别方法,在不同的和非嵌套的充分条件。数据的可观察特征告诉我们这三种方法中哪一种是有效的。这些结果适用于一般的非参数转换回归,以及结构计量经济模型,如拍卖模型与未观察到的异质性。第二,一些推广的识别结果。特别是,混合回归的混合权重取决于在一个完全不受限制的方式回归的值被证明是nonparametrically可识别的。这意味着可以在横截面设置中识别具有函数值未观察到的异质性的有限混合模型,而不限制回归变量和未观察到的异质性之间的依赖模式。在这方面,它类似于固定效应面板数据模型,允许未观察到的异质性和协变量之间的不受限制的相关性。第三,本文表明,完全非参数估计的整个混合模型是可能的,通过形成一个新的识别策略的样本模拟。估计具有理想的多项式收敛速度在一个标准的非参数估计问题,尽管模型的非正规功能。
2018-11-07 econ.EM
Integrability and Identification in Multinomial Choice Models
麦克法登的随机效用模型的多项选择长期以来一直是应用研究的主力。我们建立了形状的限制下,多项选择概率函数可以合理化,通过随机效用模型与非参数未观察到的异质性和一般收入的影响。当与附加限制相结合时,上述条件等价于规范的加性随机效用模型。该证明是建设性的,有利于非参数识别的偏好分布,而不需要在无穷大识别类型的参数。一个推论表明,斯卢茨基对称性,以前的合理化结果的一个关键条件,相当于没有收入的影响。我们的研究结果意味着理论一致的非参数界的选择概率反事实集。它们也适用于广泛使用的随机系数模型,条件是可观察的选择特征。偏微分方程理论在我们的分析中起着关键作用。
2021-05-19 econ.EM
Prices, Profits, Proxies, and Production
本文研究非参数识别和反事实界的异质性企业,可以排名的生产率。我们的方法适用于数量和价格是潜在的,使标准的方法不适用。相反,我们需要观察利润或其他优化值,如成本或收入,以及灵活选择的变量的价格或价格代理。我们扩展了经典的对偶结果,价格采取公司的设置与离散异质性,内隐,和有限的变化可能潜在的价格。最后,我们证明了非参数估计的收敛结果可以直接转化为产生集的收敛结果。
2022-06-06 econ.EM
Identification of Average Treatment Effects in Nonparametric Panel Models
Stanford University(斯坦福大学)
本文提出非参数因子模型,证明面板数据中平均处理效应的可识别性,并给出可广泛用于组间差异分解的一致估计量。
2025-03-25 cs.LG econ.EM stat.ME
Identification and Estimation of Production Function and Consumer Demand Function under Monopolistic Competition from Revenue Data
University of British Columbia(不列颠哥伦比亚大学);Keio University(庆应义塾大学)
本文在垄断竞争环境下,利用收入数据非参数识别生产函数和消费者需求函数,并通过半参数估计器分析市场力量对福利的影响。
2026-03-02 econ.EM
Nonparametric Identification in Panels using Quantiles
本文研究了具有时间齐性的不可分面板模型中连续回归变量的CeterisParibus效应的识别和估计。兴趣效应是模型的平均值和分位数结构函数的导数。我们发现,这些衍生工具被确定为两个时间段的“逗留者”,即个人在两个时间段具有相同的回归值。我们表明,识别结果结转到模型,允许位置和规模的时间效应。我们提出了非参数序列方法和加权自助法来估计和推断所确定的效果。提出的引导允许统一推断的功能值的参数,如分位数的影响,均匀的分位数指数和/或回归值的区域。恩格尔曲线估计面板数据的实证应用说明了结果。
2014-08-05 econ.EM stat.ME
Identification and Estimation in Panel Data Models with Nonparametric Two-Way Fixed Effects
Michigan State University(密歇根州立大学);University College London(伦敦大学学院)
该研究针对非参数面板回归模型,通过奇异值分解(SVD)等方法解决双向未观测异质性的非参数识别问题,规避了全局雅可比条件,为有限主导本征函数的单射性提供了理论支撑。
2026-10-23 econ.EM
Nonparametric Treatment Effect Identification in School Choice
Stanford University(斯坦福大学)
本文提出非参数方法识别学校分配中的处理效应,分析了原子处理效应的识别与估计,并推荐新的聚合方案以处理回归不连续性驱动的异质性。
2025-12-29 econ.EM stat.ME
Semi-nonparametric models of multidimensional matching: an optimal transport approach
Simon Fraser University(西蒙菲莎大学);Korea University(韩国延世大学);Hanyang University(汉阳大学)
本文利用最优传输理论,提出了可转移效用下多维匹配模型的半非参数筛子估计量,并应用于工人-工作匹配,揭示了1990-2010年间美国经济中认知能力偏向的技术进步比先前估计更大。
2026-05-21 econ.EM
Nonparametric Identification of Demand without Exogenous Product Characteristics
University of California, Berkeley(加州大学伯克利分校);Stanford University(斯坦福大学);Brown University(布朗大学)
本文提出在更弱的指数限制和‘信仰’条件下,通过重新中心化的工具非参数识别需求,解决了内生产品特征下的需求识别问题。
2026-02-20 econ.EM math.ST stat.ME
Partial Identification of Individual-Level Parameters Using Aggregate Data in a Nonparametric Model
Department of Economics, Massachusetts Institute of Technology(麻省理工学院经济学系)
本文提出在非参数模型中利用汇总数据部分识别个体层面参数的方法,并通过实证分析展示了条件通过率在不同群体和县之间的差异。
2025-12-03 econ.EM stat.ME
Pivotal and identification-robust nonparametric inference in linear IV models
Simon Fraser University(西蒙菲莎大学);Toulouse School of Economics, Université Toulouse Capitole(图卢兹经济学院,图卢兹第三大学)
针对线性工具变量模型,提出对识别强度与异方差鲁棒且第一阶段非参数的新推断方法,包括渐近关键统计量、子向量推断和设定检验。
2026-06-11 econ.EM math.ST stat.TH
Nonparametric Point Identification of Treatment Effect Distributions via Rank Stickiness
The University of Chicago(芝加哥大学)
本文提出非参数点识别治疗效应分布的方法,通过排名粘性参数实现,无需强假设,且能处理排名违反情况,推导出闭式条件矩和违反概率,扩展到观察性研究。
2026-04-23 econ.EM stat.ME
Identification of Random Coefficient Latent Utility Models
本文给出了扰动效用模型中随机系数分布的非参数辨识结果。我们涵盖离散和连续选择模型。我们使用平均数量的变化来建立识别,当分析师观察总需求时,结果适用,但不适用于商品是否被一起选择。我们需要排除限制和独立的随机斜率系数和随机截距。我们不要求回归变量具有大的支持或参数假设。
2020-02-29 econ.EM
Point-identification in multivariate nonseparable triangular models
在这篇文章中,我们介绍了一个一般的非参数点识别结果的不可分的三角模型与多元的第一和第二阶段。在此基础上,我们证明了点识别的Hedonic模型的多元异质性和内生的可观察的特征,扩展和补充的识别结果,从文献中,都需要外生性。作为我们的理论结果的一个附加应用,我们证明了BLP模型(Berry et al.1995)也可以在没有指数限制的情况下被识别。
2018-06-25 econ.EM
Identification and Estimation of Consumers' Preferences from Repeated Observations under Nonlinear Pricing
Bates White LLC(贝茨怀特有限责任公司);Toulouse School of Economics(图卢兹经济学院);University of Toulouse Capitole(图卢兹第一大学)
本文提出非参数方法,通过多次观测识别和估计消费者偏好及未观测异质性,利用多种定价方案变化,非参数识别效用函数和偏好类型分布,并提出迭代估计方法,具有近参数收敛速度。
2026-04-28 econ.EM
Identification in Nonparametric Models for Dynamic Treatment Effects
本文开发了一个非参数模型,代表了如何在一个动态的方式相互影响的结果和治疗选择的序列。在这种情况下,我们感兴趣的是确定在每个阶段的个人的平均结果,有一个特定的治疗序列被分配。该量的识别允许我们识别平均处理效应(ATE)和关于转变的ATE,以及最佳处理方案,即,使平均潜在结果的(加权)和最大化的方案,可能更少的处理成本。本文的主要贡献是放松序列随机化假设广泛使用的生物统计学文献中引入一个灵活的选择理论框架的内源性治疗序列。我们表明,感兴趣的参数下确定每个时期的双向排除限制,即,结果确定过程中排除了工具,治疗选择过程中排除了其他外生变量。我们还考虑部分识别的情况下,后者的变量是不可用的。最后,我们将我们的结果扩展到一个设置,治疗不出现在每个时期。
2019-01-14 econ.EM stat.AP stat.ME
Diffusion Copulas: Identification and Estimation
我们提出了一个新的半参数方法建模非线性单变量扩散,其中所观察到的过程是一个非参数变换的基本参数扩散(UPD)。这种建模策略产生了一般类的半参数马尔可夫扩散模型的参数动态copula和非参数边际分布。我们提供了原始的条件,识别的UPD参数连同未知的变换从离散样本。基于似然估计的参数和非参数分量的开发,我们分析这些的渐近性质。基于核的漂移和扩散估计也提出了,并显示出正态分布在大样本。模拟研究探讨了我们的估计在建模美国短期利率的背景下,有限样本的性能。我们还提出了一个简单的应用所提出的方法建模的芝加哥期权交易所波动率指数数据。
2020-05-07 econ.EM stat.ME
Identification and Estimation of Spillover Effects in Randomized Experiments
我研究识别,估计和推断溢出效应的实验中,单位的结果可能取决于一组内的其他单位的治疗分配。我表明,常用的简化形式的线性均值回归确定了一些负权重的溢出效应的加权和,以及治疗和控制之间的差异,确定了直接和溢出效应的组合进入不同的迹象。我提出了平均直接和溢出效应的非参数估计,克服了这些问题,是一致的,渐近正态下的利益,总样本量和治疗分配机制的参数之间的精确关系。这些研究结果说明使用数据从有条件的现金转移计划和模拟。实证结果揭示了政策评估中未能灵活考虑溢出效应的潜在陷阱:估计的均值差和简化形式的均值线性系数都接近于零,统计上不显著,而我提出的非参数估计揭示了大的,非线性的和显着的溢出效应。
2022-01-19 econ.EM
Nonparametric Regression with Selectively Missing Covariates
我们考虑在非参数框架下有选择地观测协变量的回归问题。我们的方法依赖于工具变量,这些变量解释了潜在协变量的变化,但对选择没有直接影响。的回归函数的兴趣被证明是一个加权版本的观察到的条件期望的加权函数是一个分数的选择概率。分数概率权重(FPW)函数的非参数识别是通过部分完备性假设实现的。我们提供原始的功能形式假设部分完备性举行。辨识结果对于FPW级数估计量是有建设性的。我们得到的收敛速度和逐点渐近分布。在这两种情况下,渐近性能的FPW系列估计不受反问题,来自非参数工具变量的方法。在一个蒙特卡罗研究中,我们分析了我们的估计的有限样本性质,我们比较我们的方法,逆概率加权,它可以交替用于无条件矩估计。在实证应用中,我们着重于两种不同的应用。我们使用SHARE调查的相关数据和行政养老金信息估计收入和健康之间的关联,并使用养老金权利作为工具。在第二个应用程序中,我们根据德国社会经济小组研究(SOEP)的数据重新讨论了收入如何影响住房需求的问题。在这个应用程序中,我们使用区域收入信息的住宅区水平作为一种工具。在这两个应用程序中,我们表明,收入是选择性失踪,我们证明,标准的方法,不考虑非随机选择过程导致显着偏估计低收入的个人。
2020-10-13 econ.EM
Identification and Estimation of Nonseparable Triangular Equations with Mismeasured Instruments
本文针对带测量误差工具变量的不可分离三角方程,提出非参数识别与估计方法,利用反卷积和未观测工具法恢复结构导数与局部平均响应,并给出估计量及收敛速率,蒙特卡洛验证其有限样本性能良好。
2024-04-21 econ.EM
Partial Identification from Bunching at Kinks and Notches
University of Calgary(卡尔加里大学)
本文提出一种利用拐点或断点附近选择的部分识别方法,通过非参数形状约束估计聚束者平均处理效应,以克服内生性,并在税收拐点应用中产生信息丰富的边界。
2026-09-11 econ.EM
Nonparametric Identification and Estimation of Causal Effects on Latent Outcomes
Duke University(杜克大学);Columbia University(哥伦比亚大学)
本文提出非参数框架,解决潜在结果测量不完美时的因果推断问题,通过非参数桥函数实现估计和识别,克服跨研究和跨指标的非可比性挑战。
2026-10-21 econ.EM stat.AP stat.ME
Semiparametric Identification of the Discount Factor and Payoff Function in Dynamic Discrete Choice Models
Faculty of Economics, University of Tokyo(东京大学经济学部)
本文研究平稳无限期动态离散选择模型中贴现因子与收益函数的识别,证明单代理人模型中的收益形状约束及动态博弈中的行动无关性、可交换性等假设可实现半参数识别。
2026-11-10 econ.EM
On the Non-Identification of Revenue Production Functions
本文证明在不完全竞争下,以收入代理产出会导致生产函数与希克斯中性生产率均不可识别,并指出唯有对需求系统施加假设才可能恢复识别。
2024-05-08 econ.EM
Nonparametric Identification and Estimation of Spatial Treatment Effect Boundaries: Evidence from 42 Million Pollution Observations
Faculty of Economics, The University of Tokyo(东京大学经济学部)
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
Nonparametric instrumental regression with right censored duration outcomes
本文分析了离散处理Z对持续时间T的影响。治疗不是随机分配的。使用离散的工具变量解释治疗和独立的模型的误差项的混杂问题进行治疗。我们的框架是非参数的,并允许随机右删失。该规范生成非线性逆问题,并且从其解导出平均处理效果。我们提供了依赖于一个非线性系统方程的局部和全局识别特性。我们提出了一个估计程序来解决这个系统,并推导出收敛速度和条件下,估计是渐近正态的。当删失使识别失败时,我们开发部分识别结果。我们的估计在模拟中表现出良好的有限样本性质。我们还将我们的方法应用于伊利诺伊州再就业奖金实验。
2020-11-20 econ.EM math.ST q-bio.QM
Proxy Controls and Panel Data
本文提出利用 proxy controls(代理控制变量)在面板和横截面设定下进行因果效应的非参数识别与估计,推导了收敛速度并构建置信带,并通过消费者需求与留级效应的实证验证了方法有效性。
2023-11-21 econ.EM
A Generalized Control Function Approach to Production Function Estimation
University of Pennsylvania(宾夕法尼亚大学);Johns Hopkins University(约翰斯·霍普金斯大学)
本文提出了一种通用控制函数方法,用于在生产力与其他不可观测因素共同演变时估计生产函数,并通过蒙特卡洛实验验证了其有效性。
2025-12-09 econ.EM
Nonlinear and Nonseparable Structural Functions in Fuzzy Regression Discontinuity Designs
许多回归不连续性(RD)设计的经验例子涉及一个连续的治疗变量,但这种模型的理论方面的研究较少。本研究探讨了在模糊RD设计中的结构函数的识别和估计与一个连续的治疗变量。结构功能充分描述了治疗对结局的因果影响。我们表明,非线性和不可分离的结构函数可以非参数识别的RD截止下的形状限制,包括单调性和光滑性条件。基于非参数辨识方程,我们提出了一种三步半参数估计方法,并证明了估计量的渐近正态性。半参数估计达到了相同的收敛速度的情况下,一个二进制的治疗变量。作为该方法的应用,我们估计的因果关系的睡眠时间对健康状况的影响,通过使用自然光定时在时区边界的不连续性。
2022-07-17 econ.EM
A nonparametric instrumental approach to endogeneity in competing risks models
本文讨论了具有持续期结局、竞争风险和随机右截尾的内生治疗模型。使用离散工具变量解决了内点问题。我们发现,竞争风险模型产生一个非参数分位数工具回归问题。特定原因累积发生率、特定原因危害和子分布危害可以从回归函数中恢复。该模型的一个显着特点是,审查和竞争风险防止识别在某些分位数。我们的特点是一组分位数的精确识别是可能的,并给出部分识别结果的其他分位数。我们概述了一个估计过程,并讨论其性质。有限样本性能的估计通过模拟评估。我们将所提出的方法应用于大纽约州的健康保险计划实验。
2021-05-03 econ.EM math.ST q-bio.QM
Nonparametric Identification of Spatial Treatment Effect Boundaries: Evidence from Bank Branch Consolidation
Faculty of Economics, The University of Tokyo(东京大学经济学部)
本文提出非参数框架识别处理效应空间边界,应用于银行分支机构数据,发现邻近性影响贷款量而非批准率,且高收入地区关闭更多源于战略整合而非歧视。
2025-10-20 econ.EM econ.TH stat.AP
Addressing spatial dependence in technical efficiency estimation: A Spatial DEA frontier approach
本文介绍了一种新的规范的非参数生产前沿的数据包络分析(DEA)的基础上,处理的决策单元的经济绩效与邻居(空间依赖)的相关性。为了说明SpDEA相对于标准DEA方法提供的偏差减少,对2000-2014年期间NUTS-2欧洲地区的区域生产前沿进行了分析。估计的SpDEA得分显示双峰分布没有检测到的标准DEA估计。研究结果证实了空间的关键作用,对劳动生产率地区差别的原因和观察到的欧洲人均收入分配两极分化提供了重要的新见解。
2021-03-25 econ.EM
Identification of a class of index models: A topological approach
我们建立非参数识别一类所谓的指数模型,使用一种新的方法,依赖于一般的拓扑结果。与现有策略相比,我们的证明策略对表征模型的函数和分布的条件要求要弱得多;特别是,它不需要对我们模型的回归量有任何大的支持条件。我们将一般的识别结果应用到可加随机效用模型和竞争风险模型。
2020-04-16 econ.EM math.ST stat.TH
Identification in Endogenous Sequential Treatment Regimes
本文提出一种基于动态工具变量与动态边际处理效应的非参数识别方法,用于内生序贯处理机制下的处理效应识别,放松了支撑集与不可观测收益假设,并通过蒙特卡洛模拟验证了筛分估计量的有限样本性能。
2023-11-30 econ.EM stat.AP
Nonparametric Uniform Inference in Binary Classification and Policy Values
School of Economics, Shandong University(山东大学经济学院);Department of Economics, Vanderbilt University(范德堡大学经济系);Department of Economics, University of Toronto(多伦多大学经济系)
本文提出了一种非参数均匀推断方法,用于成本敏感二元分类和政策价值的推断,通过严格凸替代损失函数实现点识别,并在模拟和实际应用中验证了其有效性。
2025-12-13 econ.EM math.ST stat.ME
Is completeness necessary? Estimation in nonidentified linear models
University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校);Toulouse School of Economics(图卢兹经济学院)
本文探讨了非识别线性模型中正则化估计器的完备性需求,提出了一种在识别失败情况下仍能提供非标准渐近分布的理论框架。
2025-01-06 econ.EM math.ST stat.ML
Identification and Estimation of Discrete Choice Models with Unobserved Choice Sets
我们提出了一个框架的非参数识别和估计的离散选择模型与不可观察的选择集。我们从一个关于选择的面板数据集恢复选择集和偏好的联合分布。我们假设潜在的选择集是稀疏的,或者面板足够长。稀疏性要求可能的选择集的数量相对较小。例如,当选择集是嵌套的,或者当它们形成一个分区时,它是满足的。我们的估计过程是计算速度快,并使用混合整数优化恢复稀疏支持的选择集。使用家庭扫描仪数据集分析即食谷物行业,我们发现,忽略选择集的不可观察性可能会导致偏好的估计有偏差,因为选择集存在显着的潜在异质性。
2021-06-19 econ.EM econ.TH