Endogeneity and non‐response bias in treatment evaluation – nonparametric identification of causal effects by instruments
处理评估中的内生性与无应答偏差：借助工具变量非参数识别因果效应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：摘要围绕工具变量对处理内生性和样本流失偏差的联合处理，目标是识别依从者与总体平均处理效应，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…
处理评估中的内生性与无应答偏差：借助工具变量非参数识别因果效应
- 研究问题
- 当处理选择存在内生性，结果又因流失或无应答而缺失时，如何借助两个工具变量识别依从者及总体的平均处理效应？
- 方法与思路
- 作者为处理配置离散工具变量，为无应答配置具有丰富支持的工具变量；结合结果方程的可加分离条件，提出非参数与半参数方法。
- 材料陈述的贡献
- 摘要称可识别依从者与总体的平均处理效应，并用瑞士大学学生的健身、健康自评及调查回访数据展示半参数估计。
- 阅读关注点
- 应核对两个工具变量各自的相关性与排除条件、依从者定义、无应答工具的支持要求，以及可加分离限制如何识别总体效应。
- 阅读边界
- 摘要明确依赖结果中观测与未观测变量的可加分离，但未列出完整识别条件；现金激励与调查抽奖作为工具的有效性仍需全文论证。
原文摘要
Summary This paper proposes a nonparametric method for evaluating treatment effects in the presence of both treatment endogeneity and attrition/non‐response bias, based on two instrumental variables. Using a discrete instrument for the treatment and an instrument with rich (in general continuous) support for non‐response/attrition, we identify the average treatment effect on compliers as well as the total population under the assumption of additive separability of observed and unobserved variables affecting the outcome. We suggest non‐ and semiparametric estimators and apply the latter to assess the treatment effect of gym training, which is instrumented by a randomized cash incentive paid out conditional on visiting the gym, on self‐assessed health among students at a Swiss university. The measurement of health is prone to non‐response, which is instrumented by a cash lottery for participating in the follow‐up survey.