Partial Identification of Binary Choice Models with Misreported Outcomes
针对二元选择模型的因变量误报问题，提出两种基于不同工具变量的部分识别方法，推导额外限制下的识别结果，经仿真验证稳健性后应用于教育 attainment 研究。
2024-01-30 econ.EM
Partial Identification in Matching Models for the Marriage Market
研究了效用完全可转移的一对一匹配模型中偏好参数的部分识别问题。我们这样做时，没有对未观察到的异质性强加参数分布假设，并且使用了一个大型市场的数据。我们提供了一个易于处理的表征下的各种类的非参数分布假设未观察到的异质性的识别集。使用我们的方法，我们重新审视一些相关的问题，在婚姻市场的实证文献，这是以前研究的Logit假设。我们的研究结果表明，上述文献中的许多发现主要是由这样的参数限制。
2022-07-27 econ.EM
Partial Identification of Causal Effects that Vary by Setting
Seattle University（西雅图大学）
本文提出一种利用不同环境中遗漏变量偏误之间的未观测关系来收紧因果效应联合识别集的方法，适用于部分识别条件独立性假设不完美的情况。
2026-05-25 econ.EM
Partial Identification in Nonseparable Binary Response Models with Endogenous Regressors
本文考虑了可能内生回归变量的二元响应模型中各种反事实参数的（部分）识别。我们的框架允许多维潜变量的不可分离的指标函数，并且不需要参数分布假设。我们利用超平面安排和细胞计数的计算几何文献的结果，以提供一个易于处理的方法计算确定的集合。我们演示了如何各种功能形式，独立性和单调性的假设可以施加约束，在我们的优化过程中，以收紧所确定的集合。最后，我们应用我们的方法来研究健康保险对就医决策的影响。
2022-07-22 econ.EM
Identification and Estimation of a Partially Linear Regression Model using Network Data: Inference and an Application to Network Peer Effects
本文提供了与Auerbach（2019 a）的设置，模型和估计量相关的其他结果。第1节包含关于Auerbach（2019 a）第2节估计量的大样本性质的结果。第2节考虑模型的一些扩展。第3节提供了一个估计网络同伴效应的应用。第4节显示了一些模拟的结果。
2021-05-20 econ.EM
Locally Asymptotically Minimax Statistical Treatment Rules Under Partial Identification
本研究在部分识别下提出局部渐近极小极大统计处理规则，仅需方向可微性，模拟显示其优于插入式规则。
2023-11-15 econ.EM
Inference under partial identification with minimax test statistics
University of North Carolina Wilmington（北卡罗来纳大学温斯顿学院）
该研究针对部分识别下的矩模型假设检验问题，提出基于极小极大定理的内层最大化-外层最小化结构检验统计量的渐近刻画与自助法临界值计算方法，降低了对参数空间局部线性近似的依赖，补充拓展了现有部分识别检验的渐近近似方法。
2026-11-03 econ.EM
Decision Theory for Treatment Choice Problems with Partial Identification
本文运用经典统计决策理论处理部分识别下的治疗选择问题，刻画了极小极大遗憾最优规则，并探讨其在政策采纳、LATE外推及遗漏变量偏差场景中的应用。
2025-06-20 econ.EM
Statistical Decisions and Partial Identification: With Application to Boundary Discontinuity Design
Cornell University（康奈尔大学）
本文探讨了统计决策理论在部分识别情况下的应用，通过一个假设的政策实验展示了理论与实践之间的联系，并指出了该领域的主要开放挑战。
2026-01-25 econ.EM
Partial Identification and Inference for Conditional Distributions of Treatment Effects
本文研究可观测协变量下处理效应条件分布的识别与推断，利用 Makarov 界限给出其上下界，并针对内生处理提出随机占优假设收紧界限，构建了支撑集上一致有效的非参数估计框架。
2023-11-22 econ.EM
Partial Identification in Moment Models with Incomplete Data--A Conditional Optimal Transport Approach
本文针对不完全数据下的一般矩模型，提出基于条件最优传输的有限维参数部分识别统一方法，刻画了识别集特征，针对仿射情形给出凸性与简便计算方法，还提出两步法构造不满足矩模型参数的识别集，通过示例验证了其通用性与有效性。
2025-10-02 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
Partial Identification of Distributional Treatment Effects in Panel Data using Copula Equality Assumptions
本文提出利用面板数据和两种组内Copula等式假设部分识别分布处理效应，并通过锻炼对体重影响的实证展示其增强识别能力。
2024-11-07 econ.EM
Partial Identification of Mean Achievement in ILSA Studies with Multi-Stage Stratified Sample Design and Student Non-Participation
Department of Economics, Rice University（莱斯大学经济学系）
本文研究ILSA中学生未参与导致的识别问题，基于概率分布偏识别框架并结合多阶段分层样本设计提出替代策略，以评估平均成就并指导结果报告。
2025-10-12 econ.EM
Identification and Estimation of a Partially Linear Regression Model using Network Data
我研究了一个回归模型，其中一个协变量是网络中链接形成的潜在驱动因素的未知函数。而不是指定和适合参数网络形成模型，我介绍了一种新的方法，基于匹配对代理与类似列的平方邻接矩阵，该方法背后的直觉是，对于大类网络形成模型，平方邻接矩阵的列表征所有可识别的关于个人链接行为的信息。在本文中，我描述了模型，形式化这种直觉，并提供了一致的回归模型的参数估计。Auerbach（2021）考虑了推理和网络同伴效应的应用。
2021-06-01 econ.EM
Partial Identification with Auxiliary Moment Restrictions
University of Pittsburgh（匹兹堡大学）
研究指出部分识别因区域宽而常被搁置，利用多数区间值数据集中已有信息，开发框架限制数据补全集，刻画最佳线性预测器识别区域，不同限制效果不同，能恢复粗化结果丢失的部分识别能力。
2026-07-27 econ.EM
Econometric Inference with Machine-Learned Proxies: Partial Identification via Data Combination
Johns Hopkins University（约翰斯·霍普金斯大学）
本文提出一种在一般矩模型中利用机器学习生成代理进行部分识别和推断的框架，不依赖上游ML过程的严格假设，通过结合下游样本和辅助验证样本实现可靠推断。
2026-04-12 econ.EM
Identification of Treatment Effects under Conditional Partial Independence
治疗分配与潜在结局的条件独立性是一个常用但不可反驳的假设。我们从这个条件独立性假设的非参数偏差下获得各种处理效应参数的识别集。这些偏差通过条件治疗分配概率定义，这使得解释简单明了。我们的研究结果可以用来评估基线条件独立假设下获得的经验结论的稳健性。
2017-07-29 econ.EM stat.ME
Partial Identification of Personalized Treatment Response with Trial-reported Analyses of Binary Subgroups
医学期刊坚持的报道实践严重限制了已发表的试验结果的有用性。医疗决策者通常观察许多患者协变量，并寻求使用这些信息来个性化治疗选择。然而，标准的试验结果摘要只是将受试者分为广泛的亚组，通常分为二元类别。鉴于这种报告实践，我们研究了长期平均治疗结果E[y（t）]的推断问题。|其中t是治疗，y（t）是治疗结果，并且协变量向量x具有长度K，每个分量是二进制变量。可用数据是{E[y（t）|xk = 0]，E[y（t）|xk = 1]，P（xk）}，k = 1，. . .，K在期刊文章中报道。我们表明，报告的试验结果部分确定{E[y（t）|x]，P（x）}.说明性的计算表明，在期刊文章中的试验结果的摘要可能意味着只有宽的边界上的长期平均结果。如果能将报告的试验结果与具有识别能力的可信假设（如有界变差假设）结合起来，就能切实地加强推论。
2022-09-03 econ.EM
Identification and inference of outcome conditioned partial effects of general interventions
本文提出结果条件化部分政策效应（OCPPE）这一新分布因果量，用于衡量一般反事实干预对结果分布不同分位数区间个体的平均效应，推导了其半参数有效界，提出高效去偏估计量及均匀推断程序，并应用于禁烟政策对婴儿出生体重影响的分析。
2024-07-24 econ.EM
Robust Bayes Treatment Choice with Partial Identification
Massachusetts Institute of Technology（麻省理工学院）；Cornell University（康奈尔大学）；Stanford University（斯坦福大学）
本文研究了具有部分识别的二元治疗选择问题，提出鲁棒贝叶斯决策规则，并应用于政策制定和数据汇总问题。
2025-12-19 econ.EM
Partial Identification from LLM Prompts
Yale University（耶鲁大学）；MIT（麻省理工学院）；Harvard University（哈佛大学）
研究利用大语言模型作为二元分类器时，在真实标签未知且报告误差可能任意相关的情况下，通过外部校准分数和事件来部分识别真实流行度θ，并刻画识别边界。
2026-06-25 econ.EM
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
Partial Identification of Structural Vector Autoregressions with Non-Centred Stochastic Volatility
Guangdong University of Foreign Studies（广东外语外贸大学）；University of Melbourne（墨尔本大学）
本文提出在贝叶斯结构向量自回归中采用非中心化随机波动率参数化，以实现冲击的部分识别，并通过蒙特卡洛实验和财政应用证明该方法能精确估计结构参数且结果稳健。
2025-10-02 econ.EM stat.AP
Partial Identification of the Valuation Distribution in Sequential English Auctions
Simon Fraser University（西蒙菲莎大学）；Korea University（高丽大学）；Michigan State University（密歇根州立大学）；Stevens Institute of Technology（史蒂文斯理工学院）
本文扩展了Haile和Tamer(2003)的不完全模型，将其从静态英语拍卖扩展到连续英语拍卖，通过动态机会成本限制得出非参数估值边界，并提出新的矩条件倒置估计器，应用于韩国二手车拍卖和Cars and Bids拍卖，显示等待选项降低了韩国市场第一期收入8-11%。
2026-05-14 econ.EM
Identification of time-varying counterfactual parameters in nonlinear panel models
本文提出含固定效应与时间效应的非线性半参数面板模型识别框架，在无误差参数分布等假设下识别反事实结果生存分布，并推导双向固定效应选择模型的平均偏效应和边际效应。
2023-11-04 econ.EM
Partial Identification and Inference in Duration Models with Endogenous Censoring
本文研究了具有内生删失数据的转换模型的辨识和推断问题。许多持续时间模型，如加速失效时间模型、比例风险模型和混合比例风险模型，都可以看作是转换模型。我们允许截尾的持续时间的结果是任意相关的观察到的协变量和未观察到的异质性。我们不施加任何参数限制的转换函数或分布函数的未观察到的异质性。在这种情况下，我们开发的回归参数和转换函数，其特征在于由条件矩不等式涉及U-统计的界限。通过构造矩的样本类似量为U-统计量的条件矩不等式模型的一种推断方法，给出了它们的推断方法。我们使用斯坦福心脏移植研究的数据，将所提出的推理方法应用于评估心脏移植对患者生存时间的影响。
2021-07-02 econ.EM stat.ME
Treatment Choice, Mean Square Regret and Partial Identification
针对二元治疗选择中福利仅部分识别的问题，本研究以均方遗憾为准则开展有限样本分析，发现最优规则为分数形式，最优治疗比例由t统计量的logistic变换乘以约束优化因子得到，识别集越宽比例越接近0.5，决策者越谨慎。
2023-10-10 econ.EM stat.ME
Identification and Inference in General Bunching Designs
本文提出一般聚束设计中结构参数识别与推断的广义多项式策略，利用反事实密度解析性实现点识别，并在放松该条件时进行部分识别，蒙特卡洛模拟和 Saez（2010）数据重估显示其优于传统多项式方法。
2025-02-06 econ.EM
Revisiting identification concepts in Bayesian analysis
本文研究了识别在统计和计量经济模型的贝叶斯分析中所起的作用。首先，对于未识别的模型，我们证明了在某些情况下，引入非退化先验分布可以使一个参数，这是nonidentified在贝叶斯理论中确定的频率论理论。在其他情况下，最好是与未识别的模型一起工作，并为其构建马尔可夫链蒙特卡罗（MCMC）算法，而不是引入识别假设。其次，对于部分识别的模型，我们演示了如何构建先验和后验分布的识别集参数，以及如何进行贝叶斯分析。最后，对于模型，包含一些参数，确定和其他人没有，我们表明，边缘化确定的参数的可能性相对于其条件先验，给定的非确定参数，允许数据是信息的非确定和部分确定的参数。本文提供的例子和模拟，说明如何实现我们的技术。
2021-10-19 econ.EM
Partial Identification under Imperfect Measurement: A Distributionally Robust Approach
Harvard University（哈佛大学）
针对不完美测量下的部分识别问题，提出基于分布鲁棒优化的通用框架，通过构建基准分布邻域计算并收紧参数界限，无需额外数据或假设，适用于网络、缺失结果和回归等场景。
2026-10-06 econ.EM stat.ME
Identification and Auto-debiased Machine Learning for Outcome Conditioned Average Structural Derivatives
本文在一般不可分模型中提出了一类新的异质因果量，称为\textit{outcome conditioned}平均结构导数（OASD）。OASD是连续治疗中边际变化对位于结果分布不同部分的个体的平均部分效应，而与个体的特征无关。OASD结合了ATE和QTE的两个特征：它被直接解释为ATE，同时通过根据结局分布的等级将整个人群分解，比ATE更细粒度。本文的一个贡献是，我们建立了一些密切的关系之间的\textit{outcome conditioned average partial effects}和一类参数测量的影响，反事实改变一个单一的协变量的分布上的无条件的结果分位数。利用这种关系，我们可以得到根$n$一致估计，并计算这些反事实效应参数的半参数效率界。我们通过两个例子来说明这一点：OASD和无条件偏分位数效应之间的等价性（Firpo et al.（2009）），以及边际偏分布政策效应（Rothe（2012））和相应的结果条件参数之间的等价性。由于OASD的识别是在条件外生性假设下实现的，通过控制关于协变量的丰富信息，研究人员可以理想地在数据中使用高维控制。提出了一种新的自动去偏机器学习估计器，并给出了它的渐近统计保证，证明了该估计器是根$n$相容的、渐近正态的和半参数有效的.我们还证明了引导程序的有效性的OASD过程的一致推理。
2022-11-15 econ.EM
Partial Identification under Stratified Randomization
São Paulo School of Economics - FGV（圣保罗经济学校 - 弗格森基金会）
本文提出了一种统一框架，用于在存在流失的分层实验中进行部分识别和推断，通过逆概率加权和全局修剪方法，改进了置信区间和估计量的准确性。
2026-01-18 econ.EM math.ST stat.ME
Counterfactual Analysis under Partial Identification Using Locally Robust Refinement
结构模型，承认多个减少的形式，如博弈论模型与多重均衡，在实践中提出的挑战，特别是当参数集识别和识别集是大的。在这种情况下，研究人员通常会选择专注于某个特定的均衡子集进行反事实分析，但这种选择可能很难证明。本文表明，某些参数值可以更“可取”的比其他反事实分析，即使他们是经验上的数据相等。特别是，在识别的集合中，一些反事实预测可以表现出比其他预测更强的鲁棒性，以对抗简化形式的局部扰动（例如平衡选择规则）。我们提供了一个表示这个子集，可以用来简化实现。我们说明我们的信息使用矩不等式模型，并提供了一个经验的应用程序的基础上，顶部编码的数据模型。
2021-01-28 econ.EM stat.ME
Optimal Decision Rules Under Partial Identification
本文研究部分识别下最大化社会福利的统计决策问题，在极小化遗憾准则下推导出形式简单且全局最优的有限样本决策规则，并应用于回归断点设计和布基纳法索学校项目。
2025-03-02 econ.EM math.ST stat.ME
Partial Identification of Policy-Relevant Treatment Effects with Instrumental Variables via Optimal Transport
Stanford University（斯坦福大学）
本文提出通过约束条件下的条件最优传输问题，解决工具变量下政策相关处理效应的部分可识别问题，提出新的估计和推断方法，实验证明其优于传统方法。
2026-04-25 econ.EM stat.ME
Partial identification via conditional linear programs: estimation and policy learning
Carnegie Mellon University（卡内基梅隆大学）
本文提出统一框架，通过条件线性规划估计部分识别参数的界，并发展两种去偏估计器及策略学习方法，应用于医疗补助研究。
2026-11-02 econ.EM stat.ME
Identification of Dynamic Panel Logit Models with Fixed Effects
University of Toronto（多伦多大学）；Michigan State University（密歇根州立大学）；Carleton University（卡尔顿大学）
本文研究了具有固定效应的动态面板逻辑模型的识别问题，通过截断矩问题理论，提出了一种基于有限条件矩等式的识别方法，并展示了其在参数估计和推断中的应用。
2026-04-03 econ.EM stat.ME
Optimal Decision Rules when Payoffs are Partially Identified
Yale University（耶鲁大学）；University of Southern California（南加州大学）；University of Pennsylvania（宾夕法尼亚大学）
本文提出在收益部分识别情况下，结合最小最大方法和平均风险最小化方法，推导出最优决策规则，并应用于治疗选择和定价问题。
2025-12-18 econ.EM stat.ME
Partial Identification of Spatial Production Networks
Virginia Tech（弗吉尼亚理工大学）；Wenlan School of Business, Zhongnan University of Economics and Law（中南大学经济与管理学院）
针对公共数据无法观测跨州买卖关系的问题，利用运输线性规划计算线性暴露统计量的尖锐识别集，应用于美国州-部门数据发现货物运输数据与关键商品部门的空间扩散性不一致，但无法唯一识别区域生产网络或州对本地冲击的暴露排名。
2026-06-17 econ.EM econ.GN q-fin.EC
Data Fusion for Partial Identification of Causal Effects
Duke University（杜克大学）；Yale University（耶鲁大学）
针对异构数据融合中无未观测混杂与可交换性假设同时失效导致因果效应无法识别的问题，提出引入可解释敏感性参数的部分识别框架，推导因果效应边界并开发双重稳健估计器，结合崩溃前沿分析验证了Project STAR研究结论的稳健性。
2025-05-30 cs.LG econ.EM stat.ME
Estimation of Covid-19 Prevalence from Serology Tests: A Partial Identification Approach
我们提出了一个部分识别方法估计疾病流行的血清学研究。我们的数据来自某些人群样本的抗体检测结果，其中检测参数，如真/假阳性率，是未知的。我们的方法扫描整个参数空间，并拒绝使用联合数据密度作为检验统计量的参数值。所提出的方法是保守的边际推理，在一般情况下，但它的主要优势，更标准的方法是，它是有效的，在有限的样本，即使当底层模型是不确定的点。此外，我们的方法只需要独立的血清学测试结果，并不依赖于渐近参数，正态性假设，或其他近似。我们使用美国最近的Covid-19血清学研究，并表明参数置信集通常较宽，无法支持明确的结论。具体而言，最近来自加利福尼亚州的血清学研究表明，患病率在0%-2%的范围内（在研究时），因此是不确定的。然而，如果抗体检测的实际假阳性率确实接近其经验估计值（约0.5%），则该范围可缩小至0.7%-1.5%。在纽约州的另一项研究中，2020年4月中旬的Covid-19患病率估计在13%-17%之间，这也表明美国各地的Covid-19暴露存在显著的地理差异。结合所有数据集得出5%-8%的患病率范围。我们的研究结果总体上表明，大规模的血清学测试可以为未来的政策设计提供关键信息，即使这些测试是不完美的，他们的参数未知。
2020-06-29 econ.EM stat.AP stat.ME
Partial identification with entropy regularized optimal transport
University of Michigan（密歇根大学）；Emory University（埃默里大学）
本文提出将部分识别问题转化为路径空间上的熵正则化最优传输问题，通过Sinkhorn迭代高效求解，并建立收敛性与渐近性质，适用于工具变量和异质需求模型。
2026-10-01 econ.EM math.ST stat.ML
Partial Identification of Causal Effects for Endogenous Continuous Treatments
本文将Rosenbaum和Marginal敏感性模型扩展至连续处理，用随暴露水平变化的敏感性函数替代标量参数，提出统一的伪结果回归估计方法，并证明估计量的一致性和渐近正态性，通过模拟和二手烟暴露对儿童血铅影响的实际数据验证了方法。
2025-08-19 econ.EM math.ST stat.ME
