Instrumental Variable Models for Discrete Outcomes
离散结果的工具变量模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究离散结果的结构函数集合识别，并扩展含内生变量的结构分位数函数，对应结构估计、离散选择与分位数方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
离散结果的工具变量模型
- 研究问题
- 离散结果的单方程工具变量模型能否点识别结构函数，工具变量强度与支持、结果变量支持又如何影响识别集的范围？
- 方法与思路
- 作者在一般非参数单方程工具变量模型中推导识别集界限，分析二元结果的锐集合识别，并把结构分位数函数扩展到离散结果。
- 材料陈述的贡献
- 摘要称二元结果可获锐集合识别，参数限制通常仍不足以点识别；识别集随工具变量强度和支持变化，并通常随结果支持扩大而缩小。
- 阅读关注点
- 核对工具变量限制、结构分位数函数定义、识别界限的锐性证明，以及关于工具变量强度、支持扩展与识别集变化的条件。
- 阅读边界
- 摘要未给出具体工具变量假设、结构函数限制及界限公式，不能把集合识别结论推广到所有离散结果模型，也无法评估实际识别集宽度。
原文摘要
Single equation instrumental variable models for discrete outcomes are shown to be set identifying, not point identifying, for the structural functions that deliver the values of the discrete outcome. Bounds on identified sets are derived for a general nonparametric model and sharp set identification is demonstrated in the binary outcome case. Point identification is typically not achieved by imposing parametric restrictions. The extent of an identified set varies with the strength and support of instruments, and typically shrinks as the support of a discrete outcome grows. The paper extends the analysis of structural quantile functions with endogenous arguments to cases in which there are discrete outcomes.