Identification of Nonseparable Models Using Instruments With Small Support
小支撑集工具变量下非可分模型的识别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：摘要讨论连续处理的工具变量识别、非可分结果方程及处理响应分布，对应因果推断、结构估计与分布效应。
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…
关注这篇论文的作者
小支撑集工具变量下非可分模型的识别
- 研究问题
- 连续内生变量的非可分工具变量模型，能否借助取值支持较小、甚至二元的工具变量实现结果方程的非参数点识别？
- 方法与思路
- 作者以结果方程和第一阶段对标量不可观测量严格递增为关键条件，讨论连续、离散乃至二元工具变量的识别作用。
- 材料陈述的贡献
- 摘要称多类小支撑集工具变量可点识别结果方程的水平；异质性维度假设还可识别部分依从实验中的连续处理响应分布。
- 阅读关注点
- 核对工具变量所需的其他条件、严格单调性与异质性维度的作用，并区分结果方程水平和处理响应分布的识别结论。
- 阅读边界
- 摘要未列出完整识别条件、支撑集限制或边界情形；不能将结论理解为任意二元工具变量都能识别任意非可分模型。
原文摘要
I consider nonparametric identification of nonseparable instrumental variables models with continuous endogenous variables. If both the outcome and first stage equations are strictly increasing in a scalar unobservable, then many kinds of continuous, discrete, and even binary instruments can be used to point-identify the levels of the outcome equation. This contrasts sharply with related work by Imbens and Newey, 2009 that requires continuous instruments with large support. One implication is that assumptions about the dimension of heterogeneity can provide nonparametric point-identification of the distribution of treatment response for a continuous treatment in a randomized controlled experiment with partial compliance.