Inference on the TSLS Estimand with Weak Instruments and Treatment Effect Heterogeneity
弱工具变量与处理效应异质性下对两阶段最小二乘目标量的推断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：摘要研究处理效应异质性下的工具变量目标量及弱识别稳健推断。
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
弱工具变量与处理效应异质性下对两阶段最小二乘目标量的推断
- 研究问题
- 当工具变量较弱且处理效应存在异质性时，如何在多个工具变量的过度识别环境中，对两阶段最小二乘目标量作有效推断？
- 方法与思路
- 作者提出针对两阶段最小二乘目标量的似然比统计量，并结合类似 Berger–Boos 的两步程序处理推断中的干扰参数。
- 材料陈述的贡献
- 摘要称，该程序在弱、强工具变量情形间保持一致有效性；第一步显著性水平较小时仍保有功效，并可在强工具极限吻合沃尔德检验。
- 阅读关注点
- 应核对异质性下目标量的定义与因果解释、过度识别设定、两步程序的参数空间，以及一致有效性和强工具极限的条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收均未核实；摘要未列出模型和正则条件，不能将该目标量直接等同于总体平均处理效应。
原文摘要
Traditional inference on the coefficient in an instrumental variables regression does not retain size when the instrument set is weak. With constant treatment effects or one instrument, the Anderson and Rubin (1949) AR test, the Klieibergen (2002)-Moreira (2003) LM test, and the Moreira CLR test provide robust alternatives which retain validity. Under treatment effect heterogeneity, no valid inference procedure exists in the overidentified setting. This paper develops the TSLS likelihood ratio (TLR) statistic, for performing inference on the TSLS estimand. When combined with a two-step procedure in the spirit of Berger and Boos (1994), it retains uniform validity across both the weak- and strong-instrument regimes. The procedure retains power with small choices of first-step level, hence the test can be constructed to numerically coincide with the Wald test in the strong-instrument limit.