Partially identified heteroskedastic SVARs
University of Bologna(博洛尼亚大学);Brown University(布朗大学);University of Milan(米兰大学);Fondazione Eni Enrico Mattei(埃尼·恩里科·马泰伊基金会);Study Center Gerzensee, Foundation of the Swiss National Bank(瑞士国家银行Gerzensee研究中心)
本文提出了一种处理异方差SVARs中多重特征值问题的方法,通过特征分解和贝叶斯推断来识别冲击响应并进行推断。
2026-11-09 econ.EM
Random Set Quantile Estimation of Partially Identified Discrete Response Models
Boston College(波士顿学院);Faculty of Economics, University of Cambridge(剑桥大学经济系);Amazon(亚马逊)
针对协变量离散导致回归系数部分识别的问题,提出随机集分位数(RSQ)估计量,通过提取经典估计量的τ分位数实现一致且局部稳健的估计,并应用于2019年英国大选数据。
2026-06-01 econ.EM
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
Generalized method of moments with partially missing data
Center for Economic and Social Research, University of Southern California(南加州大学经济社会研究中心);Department of Economics, University of Southern California(南加州大学经济学系)
本文提出了一种处理部分缺失数据的广义矩方法,通过支撑函数确定参数识别集,并提出检验统计量和置信区域构造方法,通过模拟验证其有效性。
2026-01-06 econ.EM
The Linear Programming Approach to Partially Identified Models
UCLA(加州大学洛杉矶分校)
本文针对部分识别计量模型的LP值估计,提出根n一致的新估计量,推导一般识别下的LP精确界,并提出cMIV假设应用于哥伦比亚教育回报率估计,得出大学教育至少提升5.5%平均工资的结论。
2026-11-05 econ.EM
Semi-parametric Bayesian Partially Identified Models based on Support Function
我们提供了一个全面的贝叶斯部分识别计量经济模型的半参数研究。虽然现有的文献贝叶斯部分识别主要集中在结构参数,我们的主要重点是贝叶斯可信集(BCS)的未知识别集和后验分布的支持函数。我们构造了一个(双边)BCS的基础上的支持功能的识别集。我们证明了支持函数的后验分布的Bernstein-von Mises定理。这个强大的结果反过来推断,而BCS和频率论置信集的部分确定的参数是渐近不同的,我们构造的BCS的确定集有一个渐近正确的频率论覆盖概率。重要的是,我们说明,所构造的BCS的识别集不需要事先的结构参数。它可以有效地计算子集推断,特别是当目标的兴趣是一个子向量的部分识别的参数,其中投影到一个低维子集往往是必需的。因此,所提出的方法在许多应用中是有用的。贝叶斯部分识别文献一直假设一个已知的参数似然函数。然而,计量经济学模型通常只识别一组矩不等式,因此使用不正确的似然函数可能导致误导性的推论。与此相反,与一个非参数先验的未知似然函数,我们提出的贝叶斯过程只需要一组矩条件,并可以有效地进行推断的部分识别的参数和它的识别集。这使得它广泛适用于一般的矩不等式模型。最后,以一个金融资产定价问题为例说明了该方法的有效性.
2013-11-22 econ.EM math.ST stat.ME
Nonparametric Bayesian Inference for Partially Identified Discrete Response Models
Harvard University(哈佛大学);Duke University(杜克大学)
本文提出部分识别离散响应模型的非参数贝叶斯推断框架,其后验相合且计算简便,可扩展至多类响应场景。
2026-08-27 econ.EM stat.ME
Partially Identified Heterogeneous Treatment Effect with Selection: An Application to Gender Gaps
本文在样本选择模型框架下,利用排除性限制对性别差距进行部分识别,通过按可观测和不可观测特征划分个体类型并推导各类型的比例和性别差距界,揭示了性别差距的异质性特征及其随时间变化的趋势。
2024-10-03 econ.EM
Subvector Inference in Partially Identified Models with Many Moment Inequalities
本文研究了具有多个矩不等式的部分可辨识模型中参数向量的函数的推断问题。该框架允许矩条件的数量随着样本量的增加而增加,可能以指数速率增加。我们的主要激励应用是子向量推理,即,对与治疗效果或感兴趣的政策变量相关联的部分识别的参数向量的单个分量的推断。我们的推理方法比较了MinMax检验统计量(最小的参数满足$H_0$和最大的矩不等式)对临界值,是基于自举近似或分析界限。我们发现,这种方法控制渐近大小均匀的一个大类的数据生成过程,尽管部分确定的许多时刻不等式设置。有限样本分析使我们能够获得明确的收敛速度的大小控制。我们的结果是基于结合非渐近近似和新的高维中心极限定理的随机矩阵的组件的MinMax。与以前的文献中的功能推断部分确定的模型,我们的结果不依赖于弱收敛结果的基础上Donsker的类假设,事实上,我们的检验统计量甚至可能不会收敛于分布。我们的自举近似需要选择一个调整参数序列,可以避免我们的检验统计量的过度集中。为此,我们提出了一个渐进有效的数据驱动的方法来选择这个调谐参数序列。该方法将调谐参数序列的选择推广到Donsker类假设之外的问题,并且也可能具有独立的兴趣。我们的程序基于自归一化的中等偏差界相对更保守,但更容易实现。
2018-06-29 econ.EM math.ST stat.TH
Partially Linear Models under Data Combination
针对实证微观经济学中常见的结果与协变量分属两个无法关联数据集的部分线性模型问题,借助最优运输理论推导精确识别集的构造性刻画,开发利用其几何性质的推断方法,有限样本表现良好且易处理,应用于美国1850-1930年代际收入流动性研究,可放宽排除性限制并得到有信息量的置信区域。
2023-08-22 econ.EM
Inference in partially identified moment models via regularized optimal transport
Center for Economic and Social Research, University of Southern California(南加州大学社会经济研究中心);Department of Economics, University of Pittsburgh(匹兹堡大学经济学系)
提出基于正则化最优传输的部分识别GMM模型推断方法,用熵正则化近似支撑函数并利用Sinkhorn算法高效计算,建立熵正则化OT的CLT,通过bootstrap获得有效临界值,在蒙特卡洛模拟和幸福度面板logit模型中验证性能。
2026-06-08 econ.EM math.ST stat.TH
Simple subvector inference on sharp identified set in affine models
本文提出一种正则化支撑函数估计量,用于仿射矩条件下多边形识别集的参数子向量边界推断,具备一致渐近高斯极限且正则化偏差不进入一阶分布,通过求解线性和凸二次规划实现高效全局最优推断。
2024-07-24 econ.EM
Sharp Hybrid Confidence Bands for Partially Identified Treatment Effects under Tail Uncertainty with an Application to Workforce Gender Diversity and Firm Performance
The Inclusion Initiative, London School of Economics and Political Science(伦敦政治经济学院包容性倡议);Data Science Institute, London School of Economics and Political Science(伦敦政治经济学院数据科学研究所)
本文提出concATE方法,结合分布自由浓度界和渐近delta方法,解决尾部不确定性下的处理效应估计问题,并应用于企业绩效分析。
2026-04-13 econ.EM stat.ME
Debiased Machine Learning of Set-Identified Linear Models
University of California, Berkeley(加州大学伯克利分校)
本文提供了一种识别集边界的估计和推理方法(即,支持函数),其中基于现代正则化工具在非常大量的协变量中进行选择。我用半参数矩方程的边界特征。结合Neyman正交性和样本分裂的思想,构造了边界的一个根-N相容的一致渐近高斯估计,并提出了一个乘子自助过程来进行推断。我将这个结果应用到部分线性模型,部分线性IV模型和平均偏导数与区间值的结果。
2022-12-13 cs.LG econ.EM stat.ML
Sharp Bounds in the Latent Index Selection Model
本文在潜在指数选择模型中,利用随机阶理论和边际分布的全部内容,推导出边际处理效应及其线性泛函的尖锐解析边界,并实证表明结合辅助假设利用模型全部实证内容具有重要价值。
2023-04-05 econ.EM
Using Monotonicity Restrictions to Identify Models with Partially Latent Covariates
本文提出了一种识别具有部分潜协变量的计量经济模型的新方法。这种数据结构出现在产业组织和劳动经济学设置中,其中使用基于输入的采样策略来收集数据,例如,如果抽样单位是多个劳动投入要素之一。我们发现,潜在的协变量可以非参数化识别,如果他们是一个共同的冲击满足一些合理的单调性假设的功能。随着潜在的协变量的确定,半参数估计的结果方程的收益在一个标准的IV框架内,占endoavailability的协变量。我们说明了我们的方法使用一个新的应用程序,专注于药店的生产功能的有用性。我们发现,连锁药店和独立药店之间的技术差异可以部分解释所观察到的行业结构的转变。
2022-06-28 econ.EM econ.GN q-fin.EC
Simple Inference on Functionals of Set-Identified Parameters Defined by Linear Moments
本文针对线性矩不等式定义的部分识别参数的线性泛函/标量子向量,提出基于随机扰动线性规划值函数自助法的一致有效推断方法,无需参数空间网格化,弱假设下有效且计算简便。
2023-05-07 econ.EM
Model-Agnostic Covariate-Assisted Inference on Partially Identified Causal Effects
Stanford University(斯坦福大学)
本文提出一种基于最优运输对偶理论的模型无关推断方法,可用于部分识别因果效应,在随机实验和观察性研究中均有效,能减小识别集与置信区间宽度且计算高效。
2026-08-25 econ.EM math.ST stat.ME
Identification in discrete choice models with imperfect information
针对非完美信息下静态单主体离散选择模型的偏好识别问题,借助单人贝叶斯相关均衡刻画尖锐识别集,基于筛法构建识别集并给出反事实结果界,结合2017年英国大选数据估计空间投票模型,量化信息不完美对选民和政党福利的影响。
2023-12-15 econ.EM
Confidence Intervals for Projections of Partially Identified Parameters
本文提出基于自举的校准投影方法,为部分识别参数的分量及光滑函数构建置信区间,并设计基于响应面全局优化的快速求解算法,通过实证与模拟验证其统计和计算性能。
2019-06-05 econ.EM math.ST stat.TH
Sensitivity Analysis for the Average Treatment Effect under Discrete Unobserved Confounders
Penn State University(宾夕法尼亚州立大学);University of Nebraska–Lincoln(内布拉斯加大学林肯分校)
通过有限个潜在类型建模未观测混杂,利用有限混合模型刻画处理组和对照组的分布,导出平均处理效应的尖锐识别集,并给出敏感性分析框架。
2026-06-23 econ.EM
Inference in a class of optimization problems: Confidence regions and finite sample bounds on errors in coverage probabilities
本文介绍了三种方法进行非渐近推断的部分识别参数的解决方案,一类最优化问题。其中出现的优化问题的应用包括形状限制下的估计,离散游戏模型的估计,以及基于分组数据的估计。部分识别的参数的特点是,除了结构参数的限制,涉及未知的人口手段观察到的随机变量。推断包括寻找结构参数函数的置信区间。我们的理论提供了有限样本下界的覆盖概率的置信区间下三组假设的强度增加。在大多数经济学应用中,样本量适中,随着假设的加强,界限变得更紧。我们讨论的人口参数的估计,界限取决于和对比我们的方法与其他方法获得置信区间部分确定的参数。蒙特卡罗实验结果和经验例子说明了我们的方法的实用性。
2022-12-01 econ.EM stat.ME
Identification and Counterfactual Analysis in Incomplete Models with Support and Moment Restrictions
Johns Hopkins University(约翰斯·霍普金斯大学)
本文提出了一种统一的识别框架,用于不完整模型中的反事实分析,通过扩展支持函数方法并引入不可约条件,证明在有限样本中识别集和矩闭包的统计不可区分性。
2026-03-08 econ.EM
Adaptive Estimation of Aggregated Values of Conditional Linear Programs
University of California, Berkeley(加州大学伯克利分校)
针对部分识别参数(如处理效应边界、状态依赖失业模型等),提出协变量辅助方法,将识别集边界表示为回归函数交集的协变量分布平均,证明其正则性并建立渐近理论,通过实证应用验证。
2026-06-06 econ.EM
Discordant Relaxations of Misspecified Models
本文研究错误设定模型中非尖锐识别条件导致不相交外集和冲突结果的问题,提出不协调性存在与不存在的充分条件,并开发基于离散松弛的模型挽救方法。
2024-04-26 econ.EM
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
Set coverage and robust policy
当对部分识别的参数进行推断时,置信区域可以以规定的概率覆盖整个识别的集合,我们将其称为集合覆盖,或者它们可以以规定的概率覆盖其每个点,我们将其称为点覆盖。由于集合覆盖意味着点覆盖,因此满足点覆盖的置信区域通常是首选的,因为它们可能提供更多信息。这篇文章的目的是描述一个决策问题,在这个问题中,与公认的智慧相反,点覆盖显然是不可取的。
2021-06-17 econ.EM
A path-sampling method to partially identify causal effects in instrumental variable models
在一般工具变量模型中,部分识别方法是标准点识别方法的一种灵活和鲁棒的替代方法。然而,这种灵活性是以“基数诅咒”为代价的:对所确定的集合的限制数量随着支持内源性处理的点的数量呈指数级增长。本文提出了一种新的路径采样方法来应对这一挑战。它的目的是部分识别因果效应的利益在最复杂的模型与连续的内源性治疗。随机过程表示允许将对个人行为的假设无缝地合并到模型中。一些潜在的应用包括不完全依从性随机试验中的剂量反应估计,社会计划的评估,需求模型中的福利估计和连续选择模型。作为一个示范,该方法提供了翔实的非参数范围内的家庭支出的假设下,支出是连续的。数学上的贡献是一种近似求解无限维线性规划路径空间通过采样。
2020-06-29 econ.EM math.ST stat.TH
Inference on Strongly Identified Functionals of Weakly Identified Functions
本文提出了一种在干扰函数弱识别时仍能对连续线性泛函进行强识别推断的新条件,构建了基于惩罚极小极大估计的去偏估计量,证明了其渐近正态性,并在近端因果推断和工具变量回归中验证了有效性。
2023-07-01 econ.EM math.ST 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