Please Call Again: Correcting Nonresponse Bias in Treatment Effect Models
请再次致电：校正处理效应模型中的无应答偏差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：摘要核心是调查无应答下平均处理效应的选择校正和部分识别，直接属于因果推断方法。
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…
请再次致电：校正处理效应模型中的无应答偏差
- 研究问题
- 调查流失导致处理效应估计出现选择偏差时，能否利用成功应答前的联系次数，在缺少传统工具变量时获得信息？
- 方法与思路
- 作者结合样本选择校正与界限方法，利用每位受访者应答前的致电次数，对应答者共同支持域内的平均处理效应构造界限。
- 材料陈述的贡献
- 摘要称，该程序能够得到平均处理效应的锐界；联系次数带来的额外信息，可使界限比其他非参数方法更紧。
- 阅读关注点
- 应核对联系次数具有识别信息所需的限制、锐界成立的条件，以及应答者共同支持域与研究目标总体之间的差异。
- 阅读边界
- 摘要未说明选择机制和联系次数的具体假设；所得界限针对应答者共同支持域，不能直接解释为全体调查对象的处理效应。
原文摘要
We propose a novel selectivity correction procedure to deal with survey attrition in treatment effect models, at the crossroads of the Heckit model and the bounding approach of Lee (2009). As a substitute for the instrument needed in sample selectivity correction models, we use information on the number of prior calls made to each individual before obtaining a response to the survey. We obtain sharp bounds to the average treatment effect on the common support of responding individuals. Because the number of prior calls brings information, we can obtain tighter bounds than in other nonparametric methods.