Nonparametric Instrumental Regression With Right Censored Duration Outcomes
右删失持续时间结果的非参数工具变量回归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：摘要明确研究非随机离散处理、工具变量、平均处理效应与部分识别，直接属于微观因果推断方法。
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…
右删失持续时间结果的非参数工具变量回归
- 研究问题
- 面对非随机分配的离散处理和随机右删失的持续时间结果，如何利用离散工具变量识别、估计平均处理效应及其识别边界？
- 方法与思路
- 作者以解释处理且独立于模型误差的离散工具变量处理混杂，将非参数模型转为非线性逆问题，并求解相应方程组。
- 材料陈述的贡献
- 摘要称给出局部与全局识别、收敛率及渐近正态条件，并在删失导致识别失败时提供部分识别结果，附模拟与再就业奖金实验应用。
- 阅读关注点
- 阅读时核对工具变量独立性与相关性、删失机制限制、方程组解的唯一性，以及平均处理效应和部分识别界的具体定义。
- 阅读边界
- 摘要未给出识别和删失所需的完整条件、模拟设计或应用估计值；工具变量存在并不自动保证模型可识别或效应可精确估计。
原文摘要
This article analyzes the effect of a discrete treatment Z on a duration T. The treatment is not randomly assigned. The confounding issue is treated using a discrete instrumental variable explaining the treatment and independent of the error term of the model. Our framework is nonparametric and allows for random right censoring. This specification generates a nonlinear inverse problem and the average treatment effect is derived from its solution. We provide local and global identification properties that rely on a nonlinear system of equations. We propose an estimation procedure to solve this system and derive rates of convergence and conditions under which the estimator is asymptotically normal. When censoring makes identification fail, we develop partial identification results. Our estimators exhibit good finite sample properties in simulations. We also apply our methodology to the Illinois Reemployment Bonus Experiment.