INSTRUMENTAL VARIABLE QUANTILE REGRESSION WITH MISCLASSIFICATION
处理状态误分类下的工具变量分位数回归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：摘要明确讨论内生处理的结构分位数效应、工具变量识别及误分类下的识别集，支持这三个细分方向。
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
处理状态误分类下的工具变量分位数回归
- 研究问题
- 当二元内生处理状态被误分类甚至完全不可观测时，工具变量还能为结构分位数处理效应提供哪些识别信息？
- 方法与思路
- 作者在随机单调性条件下研究简约式分位数回归的效应下界，并用矩条件刻画误测情形的尖锐识别集。
- 材料陈述的贡献
- 摘要称，文章给出效应下界和结构分位数函数的尖锐识别集两类结果，并提供存在其他协变量时的推断方法。
- 阅读关注点
- 应核对随机单调性、工具变量条件及误分类限制，尤其是下界的适用范围、尖锐性的证明和协变量处理方式。
- 阅读边界
- 仅依据所给 Crossref 摘要；测量误差假设的具体形式、效应符号限制和推断实施细节未说明，不能据此认定点识别。
原文摘要
Abstract This article investigates the instrumental variable quantile regression model (Chernozhukov and Hansen, 2005, Econometrica 73, 245–261; 2013, Annual Review of Economics , 5, 57–81) with a binary endogenous treatment. It offers two identification results when the treatment status is not directly observed. The first result is that, remarkably, the reduced-form quantile regression of the outcome variable on the instrumental variable provides a lower bound on the structural quantile treatment effect under the stochastic monotonicity condition. This result is relevant, not only when the treatment variable is subject to misclassification, but also when any measurement of the treatment variable is not available. The second result is for the structural quantile function when the treatment status is measured with error; the sharp identified set is characterized by a set of moment conditions under widely used assumptions on the measurement error. Furthermore, an inference method is provided in the presence of other covariates.