Bounding program benefits when participation is misreported
参与状态误报时项目收益的界限识别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：摘要直接研究不依从和处理误分类下的工具变量处理效应及项目收益界限。
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
参与状态误报时项目收益的界限识别
- 研究问题
- 当项目存在不依从且参与状态被误报时，常规工具变量估计还能否解释为因果效应，又如何界定项目收益？
- 方法与思路
- 作者分析忽略误分类时工具变量估计目标的局部平均处理效应权重，提出三种界限策略，并利用多个外生变动。
- 材料陈述的贡献
- 摘要称，忽略误报的权重可能为负，即使均非负也可能缺乏正确因果解释；文章给出收益界限及 ivbounds 应用。
- 阅读关注点
- 应核对三种策略各需哪些误报与工具变量限制、多重外生变动如何收紧界限，以及界限是否具有锐性。
- 阅读边界
- 仅据所给 OpenAlex 摘要版本；三种策略的具体条件、界限公式与储蓄效应数值未说明，不能推断后续刊本变化。
原文摘要
Instrumental variables (IV) are commonly used to estimate treatment effects in case of noncompliance. However, program participation is often misreported in survey data and standard techniques are not sufficient to point identify and consistently estimate the effects of interest. In this paper, we show that the identifiable IV estimand that ignores treatment misclassification is a weighted average of local average treatment effects with weights that can also be negative. This is troublesome because it may fail to deliver a correct causal interpretation, and this is true even if all the weights are non-negative. Therefore, we provide three IV strategies to bound the program benefits when both noncompliance and misreporting are present. We demonstrate the gain of identification power achieved by leveraging multiple exogenous variations when discrete or multiple-discrete IVs are available. At last, we use our new Stata command, ivbounds, to study the benefits of participating in the 401(k) pension plan on savings.