Instrumental Variable Estimators for Binary Outcomes
二元结局的工具变量估计量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：摘要明确研究不可忽略暴露选择及实验不依从下的工具变量效应估计。
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
二元结局的工具变量估计量
- 研究问题
- 当暴露选择或随机实验中的不依从具有不可忽略性时，如何用工具变量估计二元结局上的暴露效应并比较不同方法？
- 方法与思路
- 作者回顾统计学与计量经济学中的二元结局工具变量方法，在统一框架中比较其隐含假设，并重新分析一项安慰剂对照试验。
- 材料陈述的贡献
- 摘要称梳理了不同工具变量方法之间的联系与假设差异，以试验重分析说明这些差异，并指出值得进一步研究的问题。
- 阅读关注点
- 核对各方法的效应目标、工具变量有效性及不依从处理，检查哪些假设可由研究设计支持，以及方法之间是否估计同一对象。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明；各方法的具体识别假设、效应尺度和试验结果未提供，不能自行补入标准假设。
原文摘要
Instrumental variables (IVs) can be used to construct estimators of exposure effects on the outcomes of studies affected by nonignorable selection of the exposure. Estimators that fail to adjust for the effects of nonignorable selection will be biased and inconsistent. Such situations commonly arise in observational studies, but are also a problem for randomized experiments affected by nonignorable noncompliance. In this article, we review IV estimators for studies in which the outcome is binary, and consider the links between different approaches developed in the statistics and econometrics literatures. The implicit assumptions made by each method are highlighted and compared within our framework. We illustrate our findings through the reanalysis of a randomized placebo-controlled trial, and highlight important directions for future work in this area.