Partial Identification of the Average Treatment Effect Using Instrumental Variables: Review of Methods for Binary Instruments, Treatments, and Outcomes
工具变量下平均处理效应的部分识别：二元工具、处理与结果的方法综述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：摘要直接讨论工具变量假设下平均处理效应的部分识别与点识别，属于因果推断。
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…
工具变量下平均处理效应的部分识别：二元工具、处理与结果的方法综述
- 研究问题
- 在工具变量、处理和结果均为二元变量时，不同工具变量类假设如何决定平均处理效应的界限或点识别，既有方法有何联系？
- 方法与思路
- 作者综述多个学科中的识别方法，用统一符号和术语表述结果，并按识别假设集合建立分类，提供界限估计演示与软件。
- 材料陈述的贡献
- 摘要明确贡献在于整理部分识别与点识别方法之间的关系、形成基于假设的分类体系，并支持这些方法的实际界限估计。
- 阅读关注点
- 应逐项核对不同界限对应的假设集合、点识别与部分识别的转换条件，以及软件处理抽样不确定性和可行界限的方式。
- 阅读边界
- 索引摘要未注明稿件版本；未列出具体识别假设、界限公式或推断程序，不能将综述贡献解释为提出了普遍更强的新识别结果。
原文摘要
Several methods have been proposed for partially or point identifying the average treatment effect (ATE) using instrumental variable (IV) type assumptions. The descriptions of these methods are widespread across the statistical, economic, epidemiologic, and computer science literature, and the connections between the methods have not been readily apparent. In the setting of a binary instrument, treatment, and outcome, we review proposed methods for partial and point identification of the ATE under IV assumptions, express the identification results in a common notation and terminology, and propose a taxonomy that is based on sets of identifying assumptions. We further demonstrate and provide software for the application of these methods to estimate bounds. Supplementary materials for this article are available online.