Agglomerative hierarchical clustering for selecting valid instrumental variables
用凝聚型层次聚类选择有效工具变量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：摘要直接研究排除限制失效时的工具变量筛选，并将其用于估计移民对工资的影响，因此归入因果推断。
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
用凝聚型层次聚类选择有效工具变量
- 研究问题
- 当候选工具变量中部分不满足排除限制时，如何筛选有效工具，并在存在多个内生解释变量时进行可靠估计？
- 方法与思路
- 作者将层次聚类与过度识别限制检验结合，从较大的候选工具集合中筛选有效工具，并处理多个内生解释变量。
- 材料陈述的贡献
- 摘要称，当最大的工具变量组有效时，方法具有预言性质；模拟显示若干设定下表现有利，并应用于移民对工资的影响。
- 阅读关注点
- 应核对工具变量如何分组、最大有效组条件的具体含义，以及检验与聚类步骤如何影响选择结果和后续推断。
- 阅读边界
- 仅依据所给 Crossref 版本摘要；有效组条件、弱工具情形及模拟数值均未说明，不能据此确认应用中的排除限制。
原文摘要
Summary We propose a procedure that combines hierarchical clustering with a test of overidentifying restrictions for selecting valid instrumental variables (IV) from a large set of IVs. Some of these IVs may be invalid in that they fail the exclusion restriction. We show that if the largest group of IVs is valid, our method achieves oracle properties. Unlike existing techniques, our work deals with multiple endogenous regressors. Simulation results suggest an advantageous performance of the method in various settings. The method is applied to estimating the effect of immigration on wages.