Instrumental Variable Estimation of Dynamic Treatment Effects on a Duration Outcome
持续时间结果上动态处理效应的工具变量估计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：摘要明确研究内生处理时点的工具变量识别，以及其对持续时间结果的因果效应。
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…
持续时间结果上动态处理效应的工具变量估计
- 研究问题
- 当接受处理的时点内生，结果持续时间与处理时点又受到右删失时，如何识别并估计处理时点对持续时间结果的因果影响？
- 方法与思路
- 作者使用解释处理时点且独立于模型误差的工具变量，在非参数框架下建立识别积分方程，再以参数化回归函数进行估计。
- 材料陈述的贡献
- 摘要称给出基于积分方程的识别条件和估计量渐近正态的条件，并通过模拟及职业倦怠治疗时点应用展示方法。
- 阅读关注点
- 应核对工具变量与删失机制的条件、积分方程解的识别要求，以及非参数识别与参数化估计之间的关系和动态效应定义。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；积分方程具体条件、参数形式和治疗效应数值未说明，不能推断工具有效性或后续刊本修改。
原文摘要
This article considers identification and estimation of the causal effect of the time Z until a subject is treated on a duration T. The time-to-treatment is not randomly assigned, T is randomly right censored by a random variable C, and the time-to-treatment Z is right censored by T∧C. The endogeneity issue is treated using an instrumental variable explaining Z and independent of the error term of the model. We study identification in a fully nonparametric framework. We show that our specification generates an integral equation, of which the regression function of interest is a solution. We provide identification conditions that rely on this identification equation. We assume that the regression function follows a parametric model for estimation purposes. We propose an estimation procedure and give conditions under which the estimator is asymptotically normal. The estimators exhibit good finite sample properties in simulations. Our methodology is applied to evaluate the effect of the timing of a therapy for burnout.