Profiled Anderson--Rubin Test: Robust Inference Allowing for Direct Effects of Instruments
允许工具变量直接效应的剖面 Anderson–Rubin 稳健检验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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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排除限制放松后的效应推断，以及弱工具条件下的敏感性分析与置信集。
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
允许工具变量直接效应的剖面 Anderson–Rubin 稳健检验
- 研究问题
- 当工具变量可能直接影响结果、研究者只能限定直接效应的合理范围时，如何在工具变量较弱的情况下进行效应推断？
- 方法与思路
- 作者对预设范围内的直接效应作剖面检验，只要存在一个允许的直接效应与数据相容，就保留相应候选效应并构造置信集。
- 材料陈述的贡献
- 摘要称在维持的抽样假设下，该检验无需强工具即可控制相容候选的错误拒绝，并区分实质性界限和依赖已实现设计的界限。
- 阅读关注点
- 核对抽样假设、直接效应范围的来源和置信集算法，重点检查弱识别时集合形状，以及设计相关界限如何影响有效性。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核验；稳健保证仍取决于直接效应范围和抽样条件，摘要未说明全部实施细节。
原文摘要
Instrumental variable analyses often rely on the assumption that instruments affect the outcome only through the endogenous regressor. In many applications, researchers can defend only a plausible range for direct effects of instruments, while conventional sensitivity analyses may be unreliable when instruments are weak. This paper proposes the profiled Anderson--Rubin (pAR) test, which considers all direct effects within a prespecified range and retains a candidate effect whenever at least one admissible direct effect is consistent with the data. Under the maintained sampling assumptions, the procedure controls false rejection for each compatible candidate without requiring strong instruments. The paper provides practical methods for constructing confidence sets and distinguishes substantive bounds from bounds tied to the realized instrument design. Simulations and applications to retirement saving and returns to schooling show that the procedure resembles conventional sensitivity analysis when instruments are strong but preserves substantially more uncertainty when identification is weak.