On the falsification of instrumental variable models for heterogeneous treatment effects
Duke University(杜克大学)
本文提出了一种用于检验异质处理效应工具变量模型的可检验推论,区分排除限制和单调性假设的违反,并扩展到多个工具变量的情况。
2026-01-20 econ.EM
On the Use of Instrumental Variables in Mediation Analysis
经验研究者不仅对治疗是否影响目标结果感兴趣,而且对处理效应如何产生感兴趣。因果中介分析提供了一个正式的框架,以确定因果机制,通过治疗影响的结果。最流行的识别策略依赖于所谓的序贯可混淆性(SI)假设,该假设要求在治疗和结局之间的因果路径中不存在未观察到的混杂因素。尽管这种假设很受欢迎,但在许多情况下被认为过于强大,因为它排除了未观察到的混杂因素的存在。这一局限性激发了最近的文献考虑一种替代的识别策略的基础上的工具变量(IV)。本文讨论了在一个二进制处理和一个二进制工具变量,这两个都被假定为随机设置的因果中介效应的识别。我们发现,虽然IV方法允许可能存在的未观察到的混杂因素,额外的单调性假设是必需的,除非假设强常数效应。此外,即使满足这种单调性假设,IV被估量不一定等同于目标参数。
2022-01-30 econ.EM
Bounding the Effect of Persuasion with Monotonicity Assumptions: Reassessing the Impact of TV Debates
Pennsylvania State University(宾夕法尼亚州立大学);Columbia University(哥伦比亚大学)
本文通过单调性假设重新评估电视辩论对选民的说服效果,发现其影响仍较为有限。
2026-02-12 econ.EM
Evaluating Counterfactual Policies Using Instruments
本文提出了一种利用工具变量评估反事实政策效果的框架,不依赖单调性假设,并通过纽约和马萨诸塞的案例展示了方法的应用。
2026-03-13 econ.EM
Assessing Sensitivity to IV Exclusion and Exogeneity without First Stage Monotonicity
Toulouse School of Economics(图卢兹经济学院);Duke University(杜克大学);Georgetown University(乔治城大学)
本文提出新的敏感性分析方法,用于评估工具变量排除和外生性假设的有效性,不依赖第一阶段的单调性要求,通过非参数放松方法分析潜在结果的边际分布及平均处理效应。
2026-04-08 econ.EM stat.ME
Testing Identifying Assumptions in Parametric Separable Models: A Conditional Moment Inequality Approach
本文提出一种基于条件矩不等式的方法检验参数可分模型的识别假设,模拟证实其一致性,实证拒绝了常用工具变量,并探讨了假设被拒后的因果参数识别方案。
2024-10-15 econ.EM
On Quantile Treatment Effects, Rank Similarity, and Variation of Instrumental Variables
本文研究了处理变量内生时观测与反事实分布关系作为识别条件,通过刻画并放松秩相似性假设,利用更丰富的工具变量变分,为实证研究提供稳健易实现且能得出紧密政策评估的工具。
2023-11-27 econ.EM
Identifying Effects of Multivalued Treatments
多值处理模型通常在限制性假设下进行研究:有序选择,最近无序单调性。我们展示了如何在更一般的一类模型中识别处理效应,该模型允许多维未观察到的异质性。我们的研究结果依赖于两个主要的假设:治疗分配必须是一个可测量的函数的阈值交叉规则,必须有足够的连续仪器。我们说明了我们的方法的几类模型。
2018-04-30 econ.EM stat.ME
Identifying the effect of a mis-classified, binary, endogenous regressor
本文研究了当离散值工具变量可用时,错误分类的二元内生回归变量的影响识别问题。我们首先表明,唯一现有的点识别结果,这个模型是不正确的。我们继续推导出尖锐的识别集下的平均独立性假设的工具和测量误差。由此产生的界限是新颖的和翔实的,但未能点识别感兴趣的效果。这促使我们考虑替代和稍微更强的假设:我们表明,添加二阶矩和三阶矩独立性假设足以识别模型。
2020-11-14 econ.EM
Identifying treatment effects on categorical outcomes in IV models
The California Polytechnic State University(加州州立理工大学)
本文在二元处理与工具变量设定下提出分类结果因果推断的非参数框架,通过关联相似性实现点识别,并给出单调关联和有界关联下的部分识别边界,应用于估计私人健康保险对健康结果的影响。
2026-10-07 econ.EM
Phase transition of the monotonicity assumption in learning local average treatment effects
我们考虑的设置中,一个强大的二元工具可用于二元治疗。传统的LATE方法假设单调性条件,即没有defiers(或compliers)。由于这个条件并不总是明显的,我们调查的灵敏度和可测性的这个条件。特别是,我们专注于这个问题:轻微违反单调性会导致一个小问题还是一个大问题?我们发现一个相变的单调性条件。在相变的边界之一,很容易知道LATE的符号,而在边界的另一侧,不可能知道LATE的符号。不幸的是,相变的不可能的一面包括数据生成过程,在此过程中,反对者的比例趋于零。在二元结果的情况下,这种相变的边界被明确地表征。在特殊情况之外,不可能测试数据生成过程是否在边界的好的一侧。然而,在不遵守几乎是单方面的特殊情况下,这种检验是可能的。我们还提供了简单的替代单调性。
2021-03-24 econ.EM math.ST stat.TH
When Should We (Not) Interpret Linear IV Estimands as LATE?
Brandeis University(布兰迪斯大学)
本文探讨线性工具变量估计量作为条件局部平均处理效应加权平均的解释问题,指出在存在额外协变量且回归可能误设定时,权重可能为负,从而影响因果解释。
2026-04-29 econ.EM stat.ME
Identifying Marginal Treatment Effects in the Presence of Sample Selection
本文介绍了样本选择时边际处理效应(MTE)的识别结果。我们表明,MTE是部分确定的个人总是观察到无论治疗,并得出一致的尖锐的界限,这个参数下三个越来越严格的假设。第一个结果采用了标准的MTE假设与不受限制的样本选择机制。第二组条件对样本选择变量相对于治疗的单调性施加影响,显著缩小了识别集。最后,我们纳入了一个随机优势的假设,收紧下限的MTE。我们的分析扩展到离散工具。结果依赖于混合物重新制定的问题,其中混合物的权重被确定,扩展李(2009年)修剪程序的MTE上下文。我们提出了估计的界限,并使用数据提供的Deb,Munking和Trivedi(2006年),以实证说明我们的方法的有用性。
2021-12-13 econ.EM
Who Matters to Whom? Identifying Peer Effects with Propagation Geometry
本文通过传播几何理论统一同伴效应,揭示同伴聚合器对网络传播的影响机制,提出几何诱导工具以提高异质性和非冗余路径的分析效果。
2026-02-27 econ.EM
A condition for the identification of multivariate models with binary instruments -- with Corrigendum and Addendum
University of Michigan(密歇根大学)
本文提出一个经验条件,用于非参数点识别具有连续内生变量的多变量工具变量模型,仅需二元工具变量,推广了现有识别结果,并基于循环单调性等假设推导了渐近收敛结果。
2026-07-03 econ.EM
Dynamic LATEs with a Static Instrument
本文研究了使用静态二元工具变量识别不可逆治疗的动态效应,证明了IV估计量可识别不同潜在群体治疗效应的加权和,但可能存在负权重,并探讨了不同假设下的点识别与部分识别。
2025-01-26 econ.EM
Testing identifying assumptions in Tobit Models
Universidad ORT Uruguay(乌拉圭ORT大学);Monash University, IZA(蒙纳士大学,IZA);Iowa State University(爱荷华州立大学)
本文提出了一种检验Tobit模型识别假设的新方法,通过明确可检验的等式检测误差结构和外生性违反,并展示了其在实际研究中的应用。
2025-12-15 econ.EM
Detecting Grouped Local Average Treatment Effects and Selecting True Instruments
University of Innsbruck(因斯布鲁克大学);TU Munich(慕尼黑工业大学);University of Fribourg(弗里堡大学);IHS, Vienna(维也纳国际高等教育研究所)
针对内生二元处理的异质性效应及多工具变量场景,提出两步法识别同LATE的依从者群体,可数据驱动选真实工具变量,经模拟与实证(监禁对累犯的影响)验证其一致性与有限样本性质。
2026-08-25 econ.EM stat.AP stat.ME
On Quantile Treatment Effects, Rank Similarity,and Variation of Instrumental Variables
针对不可分离内生性下的分布处理效应识别,本文弱化秩相似性假设,借助线性半无限规划构造识别界,并证明经验规划的大样本性质。
2025-10-19 econ.EM stat.ME
Estimating Causal Effects of Discrete and Continuous Treatments with Binary Instruments
MIT(麻省理工学院);U of Bristol(布里斯托大学);U of Michigan(密歇根大学);CESifo(CESifo研究所)
提出基于局部copula的工具变量框架,通过恒定局部依赖性假设识别离散和连续治疗的因果效应,并应用于睡眠对幸福感的影响估计。
2026-09-09 econ.EM stat.ME
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
Sharp bounds and testability of a Roy model of STEM major choices
我们分析了罗伊模型的经验内容,剥离到其基本特征,即部门特定的未观察到的异质性和自我选择的基础上的潜在结果。在随机单调工具变量(SMIV)的约束下,我们刻画了Roy自选择模型的潜在结果联合分布和可检验含义的精确界.我们表明,测试罗伊模型的选择是等价于测试随机单调的观测结果相对于仪器。我们应用我们的锐界推导出一个衡量偏离罗伊自我选择,以确定价值观的可观察到的特征,诱导最昂贵的人才和部门的分配不当,因此是干预的主要目标。特别强调的情况下,二元的结果,这在文献中很少受到关注。对于更丰富的结果集,我们强调逐点锐界和功能锐界之间的区别,以及它的重要性,当构建功能的功能,如不等式措施的锐界。我们在这个框架内分析了加拿大和德国大学专业选择的罗伊模型,我们重新审视了女性在~STEM中的代表性不足。
2019-11-08 econ.EM
Identification, Estimation and Inference Based on Constructed Instruments
Zhongnan University of Economics and Law(中南财经政法大学);Monash University(蒙纳士大学);University of Cambridge(剑桥大学)
研究针对内生回归中结构误差条件均值函数提出半参数投影(SP)方法解决内生性,适用于多种回归模型,建立识别条件和渐近性质,并用LASSO选择方法检验有限样本性能。
2026-10-12 econ.EM
Counting Defiers
Imbens和Angrist(1994)的晚期单调性假设排除了“defiers”,即在Balke和Pearl(1993)和Angrist等人(1996)的术语中,其处理总是与工具背道而驰的个体。我允许在一个二元工具和二元处理的模型中存在异议者。该模型明确了产生该工具的随机化过程。我用这个模型来估计反对者、总是接受者、顺从者和从不接受者的数量。我提出了单独的版本的估计的上下文中,随机化过程的参数是未指定的,我打算使用虚拟随机分配的自然实验。我提出了一个经验的应用程序,重温Angrist和埃文斯(1998),其中检查的影响,虚拟随机分配的性别的前两个孩子对随后的生育率。我发现,当允许违抗者生育时,随后的生育率对前两个孩子的性别组合反应更大。
2020-07-22 econ.EM stat.ME
Possibilistic Instrumental Variable Regression with Potentially Invalid Instruments
Nanyang Technological University(南洋理工大学);University of Warwick(华威大学)
针对工具变量回归中识别有效工具变量困难的问题,提出基于可能性理论的新方法,对处理效应进行后验推断,在工具外生性假设潜在违反时也能得有效结果,还给出有限样本覆盖保证等。
2026-07-07 econ.EM math.ST stat.ME
Measuring What Cannot Be Surveyed: LLMs as Instruments for Latent Cognitive Variables in Labor Economics
Universidad EAFIT(EAFIT大学)
本文提出利用LLMs测量劳动经济学中无法通过现有调查工具精确描述的职业任务认知内容,通过四个条件验证LLMs生成分数的有效性,并应用于Augmented Human Capital Index,展示其高收敛效度和判别效度。
2026-04-02 cs.CL econ.EM stat.ME
Identifying and Estimating Perceived Returns to Binary Investments
我描述了一种方法,用于估计代理人的感知投资回报,依赖于横截面数据包含二进制的选择和价格,价格可能是不完全知道代理。这种方法确定感知回报的规模,通过假设代理知识的身份,涉及利润,收入和成本,而不是通过引发或假设代理信念的结构参数,估计由研究人员。有了这个假设,适度调整标准的二进制选择估计,使一致的估计感知回报时,使用的价格工具是不相关的未观察到的决定因素代理人的价格误解,以及其他未观察到的决定因素,他们的感知回报。我演示的方法,并使用价格变化的重要性,是已知的代理商,在一系列的数据模拟。
2021-01-26 econ.EM econ.GN q-fin.EC
Assignment at the Frontier: Identifying the Frontier Structural Function and Bounding Mean Deviations
Ben-Gurion University of the Negev(内盖夫本-古里安大学);The Hebrew University of Jerusalem(耶路撒冷希伯来大学)
本文分析了一个模型,其中结果等于输入的前沿函数减去非负的未观测偏差。输入可能内生,若零在给定输入的偏差支持集内,则前沿可通过给定输入的结果 supremum 识别。本文考虑随机误差与输入无关的估计方法,并通过正则化估计减少前沿附近数据稀缺的影响。
2026-04-26 econ.EM econ.GN q-fin.EC