IDENTIFICATION OF REGRESSION MODELS WITH A MISCLASSIFIED AND ENDOGENOUS BINARY REGRESSOR
含误分类且内生二元解释变量的回归模型识别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：摘要直接讨论内生性、工具变量、误分类处理及异质处理效应识别。
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
含误分类且内生二元解释变量的回归模型识别
- 研究问题
- 当二元解释变量同时内生和误分类，且工具与误分类误差相关时，哪些额外可观测信息能够识别回归及异质处理效应？
- 方法与思路
- 作者用二元工具校正内生性、二元协变量校正误分类，分别施加相关与不相关条件，并提出异质处理效应的混合框架。
- 材料陈述的贡献
- 摘要称在所列条件下可非参数识别回归函数，并在真实处理效应与特定可观测变量相关的结构下识别处理效应。
- 阅读关注点
- 应核对工具与协变量各自的不相关限制如何支持识别，以及混合框架中异质效应与可观测变量关系的精确定义。
- 阅读边界
- 仅据所给 Crossref 版本摘要；完整条件、退化情形及估计方法未说明，允许工具关联误分类误差并非取消所有工具限制。
原文摘要
We study identification in nonparametric regression models with a misclassified and endogenous binary regressor when an instrument is correlated with misclassification error. We show that the regression function is nonparametrically identified if one binary instrument variable and one binary covariate satisfy the following conditions. The instrumental variable corrects endogeneity; the instrumental variable must be correlated with the unobserved true underlying binary variable, must be uncorrelated with the error term in the outcome equation, but is allowed to be correlated with the misclassification error. The covariate corrects misclassification; this variable can be one of the regressors in the outcome equation, must be correlated with the unobserved true underlying binary variable, and must be uncorrelated with the misclassification error. We also propose a mixture-based framework for modeling unobserved heterogeneous treatment effects with a misclassified and endogenous binary regressor and show that treatment effects can be identified if the true treatment effect is related to an observed regressor and another observable variable.