A nonparametric instrumental approach to endogeneity in competing risks models
竞争风险模型中处理内生性的非参数工具变量方法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：摘要直接处理内生处理的工具变量识别，并研究分位数回归及不同分位点的部分识别。
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…
竞争风险模型中处理内生性的非参数工具变量方法
- 研究问题
- 存在内生处理、竞争风险和随机右删失时，如何识别持续时间结果中的处理效应，以及哪些分位点只能得到部分识别？
- 方法与思路
- 作者利用离散工具变量，将竞争风险模型转化为非参数分位数工具变量回归，并由回归函数恢复多种原因别风险量。
- 材料陈述的贡献
- 摘要称，论文刻画可精确识别的分位点集合，为其余分位点给出部分识别结果，并提出估计程序、模拟及实验应用。
- 阅读关注点
- 应核对工具变量与删失的识别条件、精确识别集合的构造、各风险量的恢复关系，以及部分识别界的估计方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列明识别条件、界的具体形式或模拟和应用的数值结果。
原文摘要
This paper discusses endogenous treatment models with duration outcomes, competing risks and random right censoring. The endogeneity issue is solved using a discrete instrumental variable. We show that the competing risks model generates a non-parametric quantile instrumental regression problem. The cause-specific cumulative incidence, the cause-specific hazard and the subdistribution hazard can be recovered from the regression function. A distinguishing feature of the model is that censoring and competing risks prevent identification at some quantiles. We characterize the set of quantiles for which exact identification is possible and give partial identification results for other quantiles. We outline an estimation procedure and discuss its properties. The finite sample performance of the estimator is evaluated through simulations. We apply the proposed method to the Health Insurance Plan of Greater New York experiment.