Correction for Weak IV Bias and Winner's Curse in Mendelian Randomization Egger Regression: Rerandomized Egger estimator
Huazhong University of Science and Technology（华中科技大学）；Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology（华中科技大学同济医学院附属同济医院）
针对孟德尔随机化中Egger回归的弱工具变量偏倚和赢家诅咒问题，提出重随机化Egger估计量，通过去偏和随机工具选择实现一致性、渐近正态性及对方向性多效性的稳健性。
2026-06-23 stat.ME
On the Identifying Content of Instrument Monotonicity
本文研究了Imbens和Angrist（1994）的工具单调性假设对具有二元结果、二元处理和二元外生工具的模型中潜在结果分布的识别内容。具体来说，我得出的数据分布的必要和充分条件下，确定的一套分布的潜在结果时，施加的工具单调性假设可以是一个严格的子集，当它不施加。
2019-10-16 econ.EM
Identification of Regression Models with a Misclassified and Endogenous Binary Regressor
本文研究了具有误分类和内生二元回归变量的非参数回归模型中的辨识问题。我们证明了回归函数是非参数识别的，如果一个二元工具变量和一个二元协变量满足以下条件。工具变量校正内隐变量;工具变量必须与未观察到的真实基础二元变量相关，必须与结果方程中的误差项不相关，但允许与误分类误差相关。协变量纠正错误分类;该变量可以是结果方程中的回归变量之一，必须与未观察到的真实基础二元变量相关，并且必须与错误分类错误无关。我们还提出了一个混合物为基础的框架，用于建模未观察到的异质处理效应与一个错误分类和内源性的二元回归，并表明，处理效应可以确定，如果真正的处理效应与观察到的回归和另一个可观察到的变量。
2021-08-30 econ.EM
Weak Instrumental Variables: Limitations of Traditional 2SLS and Exploring Alternative Instrumental Variable Estimators
近几十年来，工具变量估计作为因果推断的工具获得了相当大的吸引力，特别是在实证研究者中。本文有三个贡献。首先，我们提供了一个详细的理论讨论的标准两阶段最小二乘法估计在存在弱工具变量的性质，并介绍和推导出两种替代估计。其次，我们进行蒙特卡罗模拟比较有限样本行为的不同估计，特别是在弱工具的情况下。第三，我们将估计量应用于现实世界的背景下，我们采用不同的估计量来计算回报的教育。
2021-04-26 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
A statistician's guide to weak-instrument-robust inference in instrumental variables regression with illustrations in Python
本文概述工具变量回归中弱工具变量稳健推断的相关结果，介绍其在Python的ivmodels软件包中的实现并提供实例展示。
2025-08-17 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
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
The First-stage F Test with Many Weak Instruments
针对多弱工具变量场景下传统第一阶段F检验存在检验水平扭曲的问题，本文指出扭曲源于经典非中心卡方分布近似不足，并提出基于校正后F统计量的预检验方法，经教育回报实证数据验证有效。
2024-09-11 econ.EM
Inference with Many Weak Instruments
我们开发了一个线性IV模型中的弱识别的概念，在该模型中，仪器的数量可以以与样本大小相同的速度或更慢的速度增长。我们提出了一个折刀版本的经典弱识别-鲁棒Anderson-Rubin（AR）检验统计量。在异方差和弱识别的情况下，基于折刀AR的大样本推理是有效的。该统计量的可行版本使用一种新的方差估计。该试验具有均匀准确的尺寸和良好的功率特性。我们还开发了一个预测试的弱识别相关的大小属性的Wald测试的刀切工具变量估计（JIVE）的基础上。这种新的预检验在异方差和多种工具下都是有效的。
2021-10-04 econ.EM
Inference in clustered IV models with many and weak instruments
针对聚类数据下多且弱的工具变量问题，本文通过移除聚类而非个体观测，将刀切AR和得分检验推广至聚类IV模型，模拟与实证研究验证了新检验的有效性。
2025-10-08 econ.EM
Weak Identification with Many Instruments
本文综述单内生回归元在多工具变量下的估计与推断，提出异方差稳健的弱识别检验，并扩展至多外生回归元情形。
2024-01-25 econ.EM
Inference with Many Weak Instruments and Heterogeneity
针对许多弱工具变量和异质性处理效应下的线性工具变量回归，提出基于得分统计量和留三法方差估计量的有效检验，渐近均匀最优势无偏，并在应用中产生有界置信集。
2025-04-23 econ.EM
A Vector Monotonicity Assumption for Multiple Instruments
本文提出向量单调性假设，放宽多工具变量下LATE框架的严格单调性要求，刻画了二元工具变量下可点识别的因果参数类别，并提供了简单估计量及实证应用。
2024-03-25 econ.EM
Inference on the TSLS Estimand with Weak Instruments and Treatment Effect Heterogeneity
University of Chicago（芝加哥大学）
针对弱工具变量和处理效应异质性，提出TSLS似然比统计量结合两步法，实现工具变量回归中TSLS估计量的稳健推断。
2026-06-05 econ.EM
High Dimensional Binary Choice Model with Unknown Heteroskedasticity or Instrumental Variables
本文提出一种基于数据驱动降维的非参数核估计方法，结合距离协方差筛选与交叉验证，解决了高维异方差或含内生变量的二元选择模型中特殊回归变量估计的维数灾难问题，实现了变量与工具变量选择。
2025-07-14 econ.EM
Valid Wald Inference with Many Weak Instruments
本文针对多个弱工具变量（MWIV）环境提出了三种有效检验程序，发现JIVE与TSLS的t统计量在恰好识别时渐近分布相同，从而直接采用VtF和条件Wald检验，并利用MWIV特征提出更强大的单边VtF检验。
2023-11-27 econ.EM
Two-Sample IV: Efficient Two-Step Estimation and Tests for Overidentification and Weak-Instruments
Dept of Statistics, University of Oxford（牛津大学统计系）
针对两样本IV估计，提出异方差和样本异质性下稳健的两步高效估计方法及过度识别检验，仅需线性回归的汇总统计量，并扩展弱工具变量检验。
2026-06-19 econ.EM stat.AP
Inference with Granular Instruments in Large Panels
University of Warwick（华威大学）
本文发展了大型面板中颗粒工具变量（GIV）的强度渐近理论，区分了强、近弱和弱三种工具强度状态，并提供了相应的推断方法。
2026-10-30 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
Ridge regularization for Mean Squared Error Reduction in Regression with Weak Instruments
在本文中，我证明了经典两阶段最小二乘法（2SLS）估计是高度不稳定的弱工具变量。我提出了一个岭估计（岭IV），并表明它是渐近正常的，即使与弱工具变量，而2SLS是严重扭曲和无界。我激励岭IV估计作为一个凸优化问题的GMM目标函数和L2惩罚。我表明，岭四导致相当大的均方误差理论上减少，并验证这些结果在模拟研究的启发，发表在美国经济评论的论文的数据设计。
2019-04-18 econ.EM math.ST stat.TH
Weak-instrument-robust subvector inference in instrumental variables regression: A subvector Lagrange multiplier test and properties of subvector Anderson-Rubin confidence sets
ETH Zürich（苏黎世联邦理工学院）
本文提出了一种弱工具变量鲁棒的子向量拉格朗日乘数检验，并探讨了子向量安德森-鲁宾置信集的性质。
2026-03-01 econ.EM math.ST stat.TH
Testing Firm Conduct
本文提出弱工具变量新定义，将Rivers-Vuong模型选择的退化性与工具强度联系起来，并扩展Stock-Yogo框架进行诊断，实证检验纵向市场行为。
2024-01-17 econ.EM
On the instrumental variable estimation with many weak and invalid instruments
本文研究工具变量有效性未知时的线性IV模型识别问题，提出与最稀疏识别条件相一致的替代惩罚估计方法，在更弱的工具变量强度条件下证明了其理论优势，并通过模拟和BMI对舒张压影响的实证研究验证了方法性能。
2023-12-05 econ.EM stat.ME stat.ML
The Robust F-Statistic as a Test for Weak Instruments
本文扩展Montiel Olea和Pflueger的有效F统计量方法至广义GMM估计量类，提出基于第一阶段残差的GMMf估计量，并简化弱工具变量临界值计算，在分组数据设计中GMMf估计量偏差优于2SLS。
2025-01-21 econ.EM
Weak Identification and Estimation of Social Interaction Models
网络效应的识别是基于群体规模的变化，网络的结构或在网络中的相对位置。我提供了易于验证的必要条件，识别无向网络模型的邻接矩阵的不同特征值的数量的基础上。网络效应的识别是可能的，虽然在许多经验情况下，现有的识别策略可能需要使用许多工具或工具，可能是相互密切相关的。使用高度相关的工具或多个工具可能导致弱识别或多个工具偏倚。本文提出了正则化版本的两阶段最小二乘法（2SLS）估计作为解决这些问题。所提出的估计是一致的和渐近正态的。蒙特卡罗研究说明了正则化估计的性质。实证应用，评估地方政府税收竞争模型，显示了使用正则化方法的实证相关性。
2019-02-16 econ.EM
Overidentification testing with weak instruments and heteroskedasticity
本文比较弱工具变量与异方差下KP秩检验与J检验，证明KP更优，并应用于EIS估计，指出J过度拒绝导致估计差异，推荐使用KP检验。
2025-09-25 econ.EM stat.ME
A Conditional Linear Combination Test with Many Weak Instruments
本文提出一种融合折刀 AR、LM 及正交化折刀 LM 检验的条件线性组合 IV 推断方法，可自适应识别强度并在弱、强识别下保持渐近水平控制与良好或最优功效。
2023-04-20 econ.EM
A Theory Guide to Using Control Functions to Instrument Hazard Models
本文构建控制函数工具化离散风险模型的理论，将 Prentice–Gloeckler 模型转化为序贯 GMM/Z 估计并给出渐近条件，同时发布 ivcloglog Stata 命令。
2023-12-05 econ.EM
Efficient two-sample instrumental variable estimators with change points and near-weak identification
该研究针对带内生解释变量、参数跨样本变化的线性模型，提出更高效的两样本GMM估计量与两种变点检验方法，通过蒙特卡洛实验和美国数据的新凯恩斯菲利普斯曲线应用验证了其有效性。
2024-06-24 econ.EM
Extrapolating LATE with Weak IVs
Department of Economics, University of Tennessee（田纳西大学经济学系）
本文提出了一种在弱工具变量情况下有效推断LATE等边际治疗效果的方法，解决了传统方法在有限工具变量变化下的局限性。
2025-12-29 econ.EM
An identification and testing strategy for proxy-SVARs with weak proxies
针对弱代理变量下proxy-SVARs的推断问题，提出一种利用非目标冲击的强工具进行识别的策略，并基于自助法重抽样设计预检验，实现标准渐近推断且不受预检验问题影响。
2023-10-19 econ.EM
Identification, estimation and inference in Panel Vector Autoregressions using external instruments
University of Rome Tor Vergata（罗马托尔维加塔大学）
本文提出利用外源性工具识别面板向量自回归模型，并通过实证研究估计动态财政乘数，发现乘数高于1且影响持续
2026-11-04 econ.EM
Double Machine Learning for Static Panel Data with Instrumental Variables: New Method and Applications
Erasmus School of Economics, Erasmus University（伊拉斯谟斯大学经济研究生院）；Tinbergen Institute（丁伯根研究所）；Department of Business Analytics and Applied Economics, Queen Mary University of London（伦敦大学玛丽女王学院商业分析与应用经济学系）；Institute for Social and Economic Research, University of Essex（埃塞克斯大学社会与经济研究所）
本文提出静态面板模型中处理内生处理的双重机器学习估计器（panel IV DML），并引入弱识别诊断，通过三个迁移研究验证其在高维非线性影响下的稳健性与准确性。
2026-03-20 econ.EM stat.ME stat.ML
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
Iterative Estimation of Nonparametric Regressions with Continuous Endogenous Variables and Discrete Instruments
针对仅有离散工具变量且含连续内生变量的非参数回归模型，提出一种求解非线性积分方程的简单迭代估计方法，并通过模拟实验和教育回报实证验证了其渐近性质与有效性。
2024-10-17 econ.EM stat.ME
Doubly Robust Identification of Causal Effects of a Continuous Treatment using Discrete Instruments
本文提出一种双重稳健的因果估计方法，在平均处理单调性或处理秩相似性任一条件下均有效，用于二元工具变量下连续处理的因果识别，并通过睡眠对幸福感的影响验证了其与2SLS估计的一致性。
2024-02-26 econ.EM
Inference on the New Keynesian Phillips Curve with Very Many Instrumental Variables
新凯恩斯菲利普斯曲线（NKPC）和其他单方程宏观经济关系的有限信息推断的特点是弱和高维的工具变量（IV）。除了以前提出的效率问题在文献中，我表明，特设的选择程序可以导致大量的偏见后选择推理模拟。我提出了一个Sup得分测试，仍然有效的依赖数据，任意弱识别，和一些IV的样本量呈指数增长。进行推理的标准NKPC与359 IV和179观察，我发现大大更广泛的信心比那些常见的。
2021-03-19 econ.EM econ.GN q-fin.EC
Endogeneity Corrections in Binary Outcome Models with Nonlinear Transformations: Identification and Inference
针对二元结果模型，提出基于非线性秩变换的内生性修正方法，在无需外部工具变量的两种假设下实现识别，证明了渐近性质，并通过模拟与德国破产数据验证了有效性。
2025-05-05 econ.EM
Weak instrumental variables due to ignored nonlinearities in panel data: A Super Learner Control Function estimator
University of Geneva（日内瓦大学）
本文研究面板数据中因忽略非线性导致的弱工具变量问题，提出超级学习控制函数估计器以解决结构参数的识别问题。
2026-07-05 econ.EM stat.ML
A Control Function Approach to Estimate Panel Data Binary Response Model
本文提出了一种新的控制函数（CF）方法来估计具有多个不可观测异质性的三角系统中的二元响应模型。CF是以内生变量和外生变量的历史为条件的简化方程中异质性项的期望值。与具有类似强加结构的CF方法相比，该方法需要更弱的限制。如果内生回归变量的支持很大，即使工具是离散的，平均部分效应也是点识别的。当支持假设被违反时，提供边界。应用程序和蒙特卡罗实验比较几种替代方法与我们的。
2021-09-15 econ.EM
Unbiased estimation and asymptotically valid inference in multivariable Mendelian randomization with many weak instrumental variables
本文针对多变量孟德尔随机化中许多弱工具变量导致IVW估计有偏的问题，提出MRBEE方法，证明其能提供无偏估计和渐近有效推断，并应用于近视研究揭示教育与户外活动的因果作用。
2024-02-10 econ.EM math.ST stat.ME
Non-Asymptotic Inference in Instrumental Variables Estimation
本文提出了一种简单的方法进行推断，在各种可能的非线性IV模型弱假设。该方法是非渐近的，在这个意义上，它提供了一个有限的样本之间的差异拒绝正确的零假设的真实概率和名义上的限制。该方法是安德森-鲁宾测试的非学生化版本，但动机和分析不同。与传统的Anderson-Rubin检验相比，本文提出的方法不需要限制性的分布假设、估计模型的线性或联立方程。它也不需要知道这些工具是强还是弱。它不需要测试或估计仪器的强度。该方法可应用于可能是非线性的分位数IV模型，并可用于针对非参数替代方案测试参数IV模型。这里给出的结果在有限样本中成立，无论工具的强度如何。
2018-09-10 econ.EM math.ST stat.TH
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
Non-testability of instrument validity under continuous endogenous variables
本文证明了\citet*{pearl1995testability}中关于隐变量模型中工具变量有效性检验的猜想。这意味着在内源性处理连续分布的情况下，无法检验工具有效性。这与经典的可测试性结果的工具有效性时，治疗是离散的。然而，对模型施加弱的结构假设，例如可观察变量之间的连续性，可以在连续设置中重新建立理论可测性。
2020-11-25 econ.EM math.ST stat.TH
