Testing and relaxing the exclusion restriction in the control function approach
控制函数方法中排除限制的检验与放松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：摘要明确研究平均因果效应识别，并在非参数三角结构、随机系数及单指标模型中分析结构限制。
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…
控制函数方法中排除限制的检验与放松
- 研究问题
- 研究非可分模型的控制函数方法中，工具变量不直接影响结果的排除限制何时可检验，以及允许直接影响后能否识别平均因果效应。
- 方法与思路
- 作者在非参数三角结构中利用工具变量的局部无关性检验排除限制，再分析工具与结果方程不可观测项独立但可直接影响结果的情形。
- 材料陈述的贡献
- 摘要称，在局部无关性条件下可检验排除限制；放松该限制后，线性随机系数模型与单指标模型中仍可识别平均因果效应。
- 阅读关注点
- 应核对局部无关性的定义和可辩护性、检验所需支持条件，以及允许工具直接作用时，两类模型各自依赖的识别限制。
- 阅读边界
- 所给出版社摘要未说明完整识别条件、检验构造或数值表现，不能认定所有非可分模型均可放松排除限制，也不能忽略独立性要求。
原文摘要
The control function approach which employs an instrumental variable excluded from the outcome equation is a very common solution to deal with the problem of endogeneity in nonseparable models. Exclusion restrictions, however, are frequently controversial. We first argue that, in a nonparametric triangular structure typical of the control function literature, one can actually test this exclusion restriction provided the instrument satisfies a local irrelevance condition. Second, we investigate identification without such exclusion restrictions, i.e., if the “instrument” that is independent of the unobservables in the outcome equation also directly affects the outcome variable. In particular, we show that identification of average causal effects can be achieved in the two most common special cases of the general nonseparable model: linear random coefficients models and single index models.