2SLS with multiple treatments
多处理变量下的两阶段最小二乘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：摘要直接研究多处理情形下工具变量与 2SLS 的异质处理效应解释。
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
多处理变量下的两阶段最小二乘
- 研究问题
- 在存在多个处理变量和异质处理效应时，2SLS 系数何时能够解释为各处理个体效应的正权重加总？
- 方法与思路
- 作者分析多处理工具变量模型，以平均条件单调性和无交叉效应刻画正权重解释，并允许多种工具变量及协变量。
- 材料陈述的贡献
- 摘要称，两项条件对于所研究的正权重解释是必要且充分的，并给出可检验含义及其所蕴含的选择行为刻画。
- 阅读关注点
- 应核对平均条件单调性和交叉效应的正式定义、工具变量的维持假设，以及正权重对象与通常平均处理效应的区别。
- 阅读边界
- 仅据 OpenAlex 所列摘要；完整模型假设、权重公式和检验细节未说明，必要充分性不能脱离论文的模型范围理解。
原文摘要
We study what two-stage least squares (2SLS) identifies in models with multiple treatments under treatment effect heterogeneity. Two conditions are shown to be necessary and sufficient for the 2SLS to identify positively weighted sums of agent-specific effects of each treatment: average conditional monotonicity and no cross effects. Our identification analysis allows for any number of treatments, any number of continuous or discrete instruments, and the inclusion of covariates. We provide testable implications and present characterizations of choice behavior implied by our identification conditions.