跳到正文
← 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。

本页为预印本版本;arXiv 收录、作者填写的期刊信息以及作者既有发表经历,都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对,只展示已核实例,档案仍可能误合并。

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、服从者参数、LATE 与因果结论的外部有效性展开。

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
Rahul Singh
Liyang Sun

服从者参数的双重稳健性与服从者特征的半参数检验

研究问题
不同工具变量诱导的服从者是否具有相同的平均可观测特征,这些特征又是否与总体一致,如何将其用于外部有效性检查?
方法与思路
作者刻画服从者参数的双重稳健矩条件,分析 κ 加权的机器学习更新,并据此构造比较服从者群体平均特征的半参数检验。
材料陈述的贡献
摘要称,该检验提供灵活的工具变量外部有效性稳健性检查,并用于重新解释既有研究采用不同工具变量时得到的 LATE 差异。
阅读关注点
应核对服从者参数的识别条件、双重稳健性的具体含义,以及检验统计量、学习误差要求和平均特征相同的解释边界。
阅读边界
这是 arXiv 预印本,同行评审与期刊接收未核实;摘要未说明完整条件和检验结果,平均可观测特征一致不足以证明总体效应可外推。

原文摘要

We propose a semiparametric test to evaluate (i) whether different instruments induce subpopulations of compliers with the same observable characteristics on average, and (ii) whether compliers have observable characteristics that are the same as the full population on average. The test is a flexible robustness check for the external validity of instruments. We use it to reinterpret the difference in LATE estimates that Angrist and Evans (1998) obtain when using different instrumental variables. To justify the test, we characterize the doubly robust moment for Abadie (2003)'s class of complier parameters, and we analyze a machine learning update to $κ$ weighting.

笔记与分组