Counterfactual Sensitivity and Robustness
反事实的敏感性与稳健性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：摘要研究结构模型反事实对潜变量分布的敏感性，并明确应用于动态离散选择模型。
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
反事实的敏感性与稳健性
- 研究问题
- 结构模型中的反事实对潜变量分布的参数假设有多敏感；在保留其他结构特征时，如何计算、估计并推断这种分布变化产生的界限？
- 方法与思路
- 作者让潜变量分布在参数设定周围的非参数邻域内变化，将反事实界限优化转成有限维凸规划，并提出带均衡约束的 MPEC 版本。
- 材料陈述的贡献
- 摘要称，方法提供界限的代入估计和两种推断方式；邻域扩大时界限收敛到尖锐非参数界限，并展示匹配与动态离散选择应用。
- 阅读关注点
- 应核对邻域的定义与大小选择、保留的结构限制、有限维转化条件，以及界限尖锐性、估计和推断在均衡约束下如何成立。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断具体距离度量、算法或推断条件；稳健性只覆盖允许变化的潜变量分布，不涵盖全部结构误设。
原文摘要
We propose a framework for analyzing the sensitivity of counterfactuals to parametric assumptions about the distribution of latent variables in structural models. In particular, we derive bounds on counterfactuals as the distribution of latent variables spans nonparametric neighborhoods of a given parametric specification while other “structural” features of the model are maintained. Our approach recasts the infinite‐dimensional problem of optimizing the counterfactual with respect to the distribution of latent variables (subject to model constraints) as a finite‐dimensional convex program. We also develop an MPEC version of our method to further simplify computation in models with endogenous parameters (e.g., value functions) defined by equilibrium constraints. We propose plug‐in estimators of the bounds and two methods for inference. We also show that our bounds converge to the sharp nonparametric bounds on counterfactuals as the neighborhood size becomes large. To illustrate the broad applicability of our procedure, we present empirical applications to matching models with transferable utility and dynamic discrete choice models.