Likelihood analysis of the binary instrumental variable model
二元工具变量模型的似然分析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：摘要明确研究未观测混杂下的工具变量模型、因果效应和置信区间，直接属于因果推断。
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
二元工具变量模型的似然分析
- 研究问题
- 面对未观测混杂，如何在二元工具变量模型的可观测约束检验中纳入抽样不确定性，并为因果效应构造置信区间？
- 方法与思路
- 作者利用离散工具变量模型的可观测不等式开展似然分析，构造模型有效性显著性检验，并提出因果效应区间的自助算法。
- 材料陈述的贡献
- 摘要称，该方法补充了仅检查相对频率是否满足约束的做法，提供显著性检验与因果效应置信区间，并通过应用展示优势。
- 阅读关注点
- 应核对工具变量的完整假设、可观测约束与因果效应识别集合的关系，以及约束边界处检验和自助区间的有效性条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。效应是否点识别及区间覆盖条件未说明；通过可观测约束检验不能确认全部工具变量假设。
原文摘要
Instrumental variables are widely used for the identification of the causal effect of one random variable on another under unobserved confounding. The distribution of the observable variables for a discrete instrumental variable model satisfies certain inequalities but no conditional independence relations. Such models are usually tested by checking whether the relative frequency estimators of the parameters satisfy the constraints. This ignores sampling uncertainty in the data. Using the observable constraints for the instrumental variable model, a likelihood analysis is conducted. A significance test for its validity is developed, and a bootstrap algorithm for computing confidence intervals for the causal effect is proposed. Applications are given to illustrate the advantage of the suggested approach.