本网讯（通讯员邹建文）2017年6月27日上午9点30，经济学院2017年第五十次学术讲座暨数量经济学国际论坛前沿系列讲座（十四）在经济学院407会议室举行，耶鲁大学讲席教授陈晓红作了题为“Sieve QLR for Semi-Nonparametric Models: Some Recent Results”的精彩汇报。

陈晓红指出，在经验研究中经常会碰到高度非线性和非可加性的的结构模型，在这种情况下常规的点识别对参数敏感，放松参数假设又会导致非常规的点识别或部分识别，有时无法确定参数是否是点识别的。陈晓红提供了对于非常规点识别和部分识别都稳健的且易于计算的、渐进有效的置信区间。

陈晓红举了四个例子说明，一是劳动经济学里的带有不可观测的异质性的生存模型，这是一个广泛使用的半参混合模型。二是带有内生花费的恩格尔曲线，在这个模型中，很难对非参分位数工具变量提供全局的点估计。三是IO的进入博弈。四是Helpman等的贸易模型，Helpman的模型是完全线性化的，因此可以进行很强的点估计，如果放松同方差的假设，考虑灵活的异方差形式，就无法很容易确定点估计。

陈晓红使用sieve 的非参估计方法，依次介绍了sieve 极值估计，sieve极大似然估计，sieve最小距离估计，sieve GMM估计。陈晓红表示，sieve有着易于计算，易于对未知函数施加各种约束，能同时对未知函数获得最优收敛速度和对常规函数获得收敛。陈晓红对基于CSS的后验准似然估计做了蒙特卡罗模拟，证明了sieve具有高度稳健性。

陈晓红教授的汇报引起了师生的热切提问，经济学院教师蔡必卿提问在经验应用时如何知道应用参数、半参或非参，经济学院教师魏杰讨论陈晓红老师和艾春荣老师合作的经典论文，经济学院教师崔国伟提问sieve是否可以应用在面板因子模型中。