The identification region of the potential outcome distributions under instrument independence
工具变量独立性下潜在结果分布的识别区域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：摘要同时研究工具变量处理效应识别与潜在结果分布的识别区域。
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
工具变量独立性下潜在结果分布的识别区域
- 研究问题
- 工具变量的边际独立、联合独立及进一步加入单调性，分别为潜在结果分布与平均处理效应提供多少识别信息？
- 方法与思路
- 作者在三组工具变量限制下推导与数据相容的潜在结果分布识别区域，并比较区域大小、平均处理效应锐界及可检验含义。
- 材料陈述的贡献
- 摘要称，联合独立比边际独立提供更多分布识别信息；在所研究模型中，单调性不再缩小该区域，并给出一般结果变量的锐界。
- 阅读关注点
- 应核对三类独立性约束的准确对象、识别区域的锐性证明，以及单调性无额外识别增益所针对的参数和模型范围。
- 阅读边界
- 仅据所给出版社摘要，不能把单调性无增益推广到其他目标参数或模型；工具变量及处理的具体设定、界的公式均未说明。
原文摘要
This paper examines the identifying power of instrument exogeneity in the treatment effect model. We derive the identification region of the potential outcome distributions, which are the collection of distributions that are compatible with data and with the restrictions of the model. We consider identification when (i) the instrument is independent of each of the potential outcomes (marginal independence), (ii) the instrument is independent of the potential outcomes and selection heterogeneity jointly (joint independence), and (iii.) the instrument satisfies joint independence and monotonicity (the LATE restriction). By comparing the size of the identification region under each restriction, we show that joint independence provides more identifying information for the potential outcome distributions than marginal independence, but that the LATE restriction provides no identification gain beyond joint independence. We also, under each restriction, derive sharp bounds for the Average Treatment Effect and sharp testable implication to falsify the restriction. Our analysis covers discrete or continuous outcomes, and extends the Average Treatment Effect bounds of Balke and Pearl (1997) developed for the dichotomous outcome case to a more general setting.