Estimation of local treatment effects under the binary instrumental variable model
二元工具变量模型下局部处理效应的估计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：摘要直接研究工具变量下的局部平均处理效应估计，属于因果推断。
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…
二元工具变量模型下局部处理效应的估计
- 研究问题
- 在二元工具变量模型中，如何估计局部平均处理效应，并应对二元结果相较连续结果带来的额外建模和估计困难？
- 方法与思路
- 作者讨论二元结果下因果估计的特殊挑战，提出新的建模与估计程序，并通过模拟和真实数据分析展示其应用。
- 材料陈述的贡献
- 摘要称，新方法在模型相容性、解释性、稳健性和效率方面改进已有方案，但没有说明各项改进的精确形式。
- 阅读关注点
- 应核对局部效应的目标人群、工具变量识别条件、二元结果模型的相容约束，以及稳健性与效率所采用的比较标准。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断具体识别假设或稳健性保证；摘要所称改进不能解释为无条件优越或双重稳健。
原文摘要
Summary Instrumental variables are widely used to deal with unmeasured confounding in observational studies and imperfect randomized controlled trials. In these studies, researchers often target the so-called local average treatment effect as it is identifiable under mild conditions. In this paper we consider estimation of the local average treatment effect under the binary instrumental variable model. We discuss the challenges of causal estimation with a binary outcome and show that, surprisingly, it can be more difficult than in the case with a continuous outcome. We propose novel modelling and estimation procedures that improve upon existing proposals in terms of model congeniality, interpretability, robustness and efficiency. Our approach is illustrated via simulation studies and a real data analysis.