One instrument to rule them all: The bias and coverage of just-ID IV
一个工具变量：恰好识别 IV 的偏差与覆盖率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：摘要明确讨论微观计量应用中的工具变量估计、第一阶段筛选和置信区间，归入因果推断中的 IV 方法。
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
一个工具变量：恰好识别 IV 的偏差与覆盖率
- 研究问题
- 单变量恰好识别 IV 的常规推断在有限样本中有多可靠，按第一阶段强度或估计符号筛选又会怎样影响偏差与区间覆盖率？
- 方法与思路
- 作者结合三个微观计量应用重新讨论有限样本表现，并在给定第一阶段符号的设定下比较不同第一阶段 t 统计量筛选阈值。
- 材料陈述的贡献
- 摘要称，按第一阶段 F 统计量预检会加剧偏差并扭曲推断；阈值为零的符号筛选可最小化中位数偏差，且保持常规区间覆盖率。
- 阅读关注点
- 应核对已知第一阶段符号的含义、偏差和覆盖率结论成立的条件，以及约减半的偏差结论是否适用于所关心的模型。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，不能把作者对多数微观应用的判断推广到所有 IV 模型；筛选结论的完整条件与版本变化未提供。
原文摘要
We revisit the finite-sample behavior of single-variable just-identified instrumental variables (just-ID IV) estimators, arguing that in most microeconometric applications, the usual inference strategies are likely reliable. Three widely-cited applications are used to explain why this is so. We then consider pretesting strategies of the form t1>c, where t1 is the first-stage t-statistic, and the first-stage sign is given. Although pervasive in empirical practice, pretesting on the first-stage F-statistic exacerbates bias and distorts inference. We show, however, that median bias is both minimized and roughly halved by setting c=0, that is by screening on the sign of the estimated first stage. This bias reduction is a free lunch: conventional confidence interval coverage is unchanged by screening on the estimated first-stage sign. To the extent that IV analysts sign-screen already, these results strengthen the case for a sanguine view of the finite-sample behavior of just-ID IV.