部分识别的微观计量经济学
本章回顾了有关部分识别的微观计量学文献，重点介绍了过去三十年的发展，并回顾了部分识别分析的进展，这两种方法都适用于在缺乏模型的情况下定义明确的概率分布的学习（泛函），以及学习仅在特定模型上下文中定义良好的参数。 集识别线性模型的机器学习
提供了一个已识别集合的估计和推理方法，其中在大量协变量中的选择是基于现代机器学习工具的，并且提供了在存在高维协变量的情况下平均治疗效应的锐界的渐近理论。 随机集的非线性期望
随机变量的次线性泛函称为次线性期望；它们是无穷维线性空间上的凸齐次泛函。我们将这个概念推广到集值…
异构选择集和首选项
当代理人的选择集不可观测时，运用稳健的离散选择分析方法的理论结果，从汽车碰撞保险中家庭的免赔额选择数据中了解家庭的风险偏好和选择集。 集值随机积分的路径正则性和鞅性质
在本文中，我们研究了在我们之前的工作Ararat等人（2023）中定义的集值随机积分的路径正则性和鞅性质。这种积分有一些基本原理…