Heterogeneous treatment effects: Instrumental variables without monotonicity?
异质性处理效应：没有单调性的工具变量？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：摘要围绕工具变量识别异质性处理效应及单调性违反的敏感性展开。
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
异质性处理效应：没有单调性的工具变量？
- 研究问题
- 当工具变量方法所依赖的单调性出现随机偏离时，局部平均及其他处理效应估计有多敏感，偏误能否近似与校正？
- 方法与思路
- 作者研究随机违反单调性时相关估计的偏误近似，在实证应用中计算并校正偏误，再用蒙特卡洛检查近似精度。
- 材料陈述的贡献
- 摘要称推导了相应偏误项的近似表达，并提供偏误校正的实证应用与模拟检验，用于评估单调性偏离的影响。
- 阅读关注点
- 应核对随机偏离单调性的建模方式、偏误近似的适用范围，以及实证中计算偏误所需信息和校正后的推断。
- 阅读边界
- 仅据所给出版社摘要，不能认定完全取消单调性仍能识别处理效应；偏离机制、近似条件和应用结果均未说明。
原文摘要
Imbens and Angrist (1994) were the first to exploit a monotonicity condition in order to identify a local average treatment effect parameter using instrumental variables. More recently, Heckman and Vytlacil (1999) suggested the estimation of a variety of treatment effect parameters using a local version of their approach. We investigate the sensitivity of the respective estimates to random departures from monotonicity. Approximations to the respective bias terms are derived. In an empirical application the bias is calculated and bias corrected estimates are obtained. The accuracy of the approximation is investigated in a Monte Carlo study.