Functional linear regression gets its popularity as a statistical tool to study the relationship between function-valued response and exogenous explanatory variables. However, in practice, it is hard to expect that the explanatory variables of interest are perfectly exogenous, due to, for example, the presence of omitted variables and measurement errors, and this in turn limits the applicability of the existing estimators whose essential asymptotic properties, such as consistency, are developed under the exogeneity condition. To resolve this issue, this paper proposes new instrumental variable estimators for functional endogenous linear models, and establishes their asymptotic properties. We also develop a novel test for examining if various characteristics of the response variable depend on the explanatory variable in our model. Simulation experiments under a wide range of settings show that the proposed estimators and test perform considerably well. We apply our methodology to estimate the impact of immigration on native wages.


翻译:功能线性回归作为一种统计工具,研究功能价值反应与外部解释变量之间的关系,其受人欢迎。然而,在实践中,很难期望有关解释变量完全具有外在性,例如,由于存在省略变量和测量错误,这反过来又限制了现有估测器的适用性,这些估测器在外异性条件下开发了基本的亚光性特性,例如一致性。为解决这一问题,本文件为功能内源线性模型提出了新的工具变量估测器,并确定了其消化特性。我们还开发了一个新测试,以检查响应变量的各种特性是否取决于我们模型中的解释变量。在广泛环境下进行的模拟实验表明,拟议的估测器和测试效果相当良好。我们运用我们的方法来估计移民对本地工资的影响。

0
下载
关闭预览

相关内容

【干货书】开放数据结构,Open Data Structures,337页pdf
专知会员服务
16+阅读 · 2021年9月17日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年12月20日
Arxiv
0+阅读 · 2021年12月20日
Arxiv
0+阅读 · 2021年12月18日
Implicit Maximum Likelihood Estimation
Arxiv
7+阅读 · 2018年9月24日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员