Treatment Effects with Targeting Instruments
利用定向工具变量识别处理效应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：摘要明确研究多值处理的工具变量识别、服从者群体效应及部分识别界限。
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
利用定向工具变量识别处理效应
- 研究问题
- 在多值处理存在选择偏差时，离散工具变量分别针对哪些处理的信息，如何帮助识别复合服从者群体的反事实均值与处理效应？
- 方法与思路
- 作者以工具变量对处理的定向关系建立点识别或部分识别条件，并考察正向选择假设增加的识别力，重新分析 Head Start 研究。
- 材料陈述的贡献
- 摘要称方法给出复合服从者群体的识别条件；应用中的信息性界限提示，Head Start 扩张收益可能低于既有参数化估计。
- 阅读关注点
- 应核对定向关系与服从者群体的形式定义、点识别和界限分别依赖哪些条件，以及正向选择假设如何收紧应用中的效应界限。
- 阅读边界
- 依据 arXiv 预印本摘要，不能确认同行评审或期刊接收；摘要未列出工具变量有效性和选择条件，未提供效应界限的数值。
原文摘要
Multivalued treatments are commonplace in applications. We explore the use of discrete-valued instruments to control for selection bias in this setting. Our discussion revolves around the concept of targeting: which instruments target which treatments. It allows us to establish conditions under which counterfactual averages and treatment effects are point- or partially-identified for composite complier groups. We explore the additional identifying power of a positive selection assumption. We illustrate its usefulness by revisiting the findings of Kline and Walters (2016) on the Head Start Impact Study. We derive informative bounds that suggest less beneficial effects of Head Start expansions than their parametric estimates.