Missing data, imputation, and endogeneity
缺失数据、插补与内生性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：摘要直接研究内生协变量缺失时结构模型的两阶段最小二乘估计。
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
缺失数据、插补与内生性
- 研究问题
- 内生协变量存在缺失时，应如何选择插补方法？论文关注插补准确度、工具变量第一阶段强度与两阶段最小二乘有限样本偏误之间的关系。
- 方法与思路
- 作者探索以增强工具变量第一阶段强度为目标的插补方法，允许牺牲部分插补准确度，并通过模拟及出生体重中期影响的应用考察表现。
- 材料陈述的贡献
- 摘要指出，插补最准确的方法未必使两阶段最小二乘偏误最小，并提出将第一阶段强度作为选择插补方法的重要考量。
- 阅读关注点
- 应核对缺失机制、插补规则、工具变量有效性及模拟设计，尤其关注第一阶段增强为何改变有限样本偏误，以及应用中的识别依据。
- 阅读边界
- 仅据所给出版社摘要，无法判断各方法适用的缺失机制或实际改善幅度；摘要未说明具体识别条件，也不能推断第一阶段更强总是更好。
原文摘要
Bassmann (1957, 1959) introduced two-stage least squares (2SLS). In subsequent work, Basmann et al. (1971) investigated its finite sample performance. Here we build on this tradition focusing on the issue of 2SLS estimation of a structural model when data on the endogenous covariate is missing for some observations. Many such imputation techniques have been proposed in the literature. However, there is little guidance available for choosing among existing techniques, particularly when the covariate being imputed is endogenous. Moreover, because the finite sample bias of 2SLS is not monotonically decreasing in the degree of measurement accuracy, the most accurate imputation method is not necessarily the method that minimizes the bias of 2SLS. Instead, we explore imputation methods designed to increase the first-stage strength of the instrument(s), even if such methods entail lower imputation accuracy. We do so via simulations as well as with an application related to the medium-run effects of birth weight.