Don't (fully) exclude me, it's not necessary! Causal inference with semi-IVs
不必完全排除：使用半工具变量开展因果推断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。
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：摘要明确以半工具变量识别内生处理的 MTE 与 LATE，直接对应因果推断。
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
不必完全排除：使用半工具变量开展因果推断
- 研究问题
- 当工具变量仅能从一个潜在结果中排除时，能否仍识别二元或离散内生处理的边际处理效应与局部平均处理效应？
- 方法与思路
- 作者提出半工具变量：影响处理选择但仅对一个潜在结果满足排除限制，并组合分别对应处理与对照结果的连续半工具。
- 材料陈述的贡献
- 摘要称两个连续分布的半工具变量足以非参数点识别 MTE 与 LATE，并应用于制造业就业对收入的影响。
- 阅读关注点
- 应核对除单侧排除限制外所需的识别条件、连续工具的支持要求，以及行业特征作为半工具变量的实质依据。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未经核实；摘要未完整列出识别条件，也未报告制造业收入效应的数值。
原文摘要
This paper proposes semi-instrumental variables (semi-IVs) as an alternative to instrumental variables (IVs) to identify the causal effect of a binary (or discrete) endogenous treatment. A semi-IV is a less restrictive form of instrument: it affects the selection into treatment but is excluded only from one, not necessarily both, potential outcomes. Having two continuously distributed semi-IVs, one excluded from the potential outcome under treatment and the other from the potential outcome under control, is sufficient to nonparametrically point identify marginal treatment effect (MTE) and local average treatment effect (LATE) parameters. In practice, semi-IVs provide a solution to the challenge of finding valid IVs because they are often easier to find: many selection-specific shocks, policies, prices, costs, or benefits are valid semi-IVs. As an application, I estimate the returns to working in the manufacturing sector on earnings using sector-specific characteristics as semi-IVs.