Control variables, discrete instruments, and identification of structural functions
控制变量、离散工具变量与结构函数识别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：摘要明确讨论内生性下的结构函数识别及平均、分位数处理效应。
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
控制变量、离散工具变量与结构函数识别
- 研究问题
- 在存在非可分或多维异质性的内生性模型中，离散工具变量何时能配合控制变量识别结构函数以及平均、分位数处理效应？
- 方法与思路
- 作者允许工具变量取离散值，对内生变量和控制变量影响结果的方式施加不同限制，给出多类结构对象的识别结果，并应用于恩格尔曲线。
- 材料陈述的贡献
- 摘要称，论文提供允许离散工具变量的控制变量识别结果，覆盖平均与分位数处理效应等对象，并通过恩格尔曲线估计说明应用。
- 阅读关注点
- 应核对控制变量的构造、离散工具提供的支持变异，以及各类函数限制如何对应不同结构对象的识别和恩格尔曲线实施。
- 阅读边界
- 仅据所给出版社摘要，无法判断具体排除限制、支持条件或识别范围；允许离散工具不意味着任意离散工具都足以识别。
原文摘要
Control variables provide an important means of controlling for endogeneity in econometric models with nonseparable and/or multidimensional heterogeneity. We allow for discrete instruments, giving identification results under a variety of restrictions on the way the endogenous variable and the control variables affect the outcome. We consider many structural objects of interest, such as average or quantile treatment effects. We illustrate our results with an empirical application to Engel curve estimation.