Two-Stage Least Squares Estimation of Average Causal Effects in Models with Variable Treatment Intensity
可变处理强度模型中平均因果效应的两阶段最小二乘估计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：摘要明确研究可变处理强度的平均因果效应，以及两阶段最小二乘估计的因果解释。
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
可变处理强度模型中平均因果效应的两阶段最小二乘估计
- 研究问题
- 当处理具有剂量、时长或教育年限等不同强度时，两阶段最小二乘的概率极限对应怎样的平均因果效应？
- 方法与思路
- 作者用因果响应函数描述处理强度变化，在摘要所称的正则条件下，将两阶段最小二乘概率极限解释为单位平均因果效应的加权平均。
- 材料陈述的贡献
- 摘要给出可变强度处理下两阶段最小二乘的因果解释，并通过教育与收入的经验例子展示相应权重函数。
- 阅读关注点
- 应核对工具变量和因果解释所需条件、因果响应函数的定义、权重构造及性质，以及加权目标与通常平均处理效应的关系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；所谓温和正则条件未展开，不能将该解释套用于任意工具变量或处理强度模型，也不能推断刊本变化。
原文摘要
Two-stage least squares (TSLS) is widely used in econometrics to estimate parameters in systems of linear simultaneous equations and to solve problems of omitted-variables bias in single-equation estimation. We show here that TSLS can also be used to estimate the average causal effect of variable treatments such as drug dosage, hours of exam preparation, cigarette smoking, and years of schooling. The average causal effect in which we are interested is a conditional expectation of the difference between the outcomes of the treated and what these outcomes would have been in the absence of treatment. Given mild regularity assumptions, the probability limit of TSLS is a weighted average of per-unit average causal effects along the length of an appropriately defined causal response function. The weighting function is illustrated in an empirical example based on the relationship between schooling and earnings.