Estimating Causal Effects of Discrete and Continuous Treatments with Binary Instruments
利用二元工具变量估计离散与连续处理的因果效应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。
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：摘要以工具变量识别因果效应，并通过潜在结果的联合分布、copula 和分布回归刻画异质性。
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…
利用二元工具变量估计离散与连续处理的因果效应
- 研究问题
- 在工具变量仅为二元、处理可以离散或连续时，如何识别全体及已处理等子总体的因果效应，并刻画效应异质性？
- 方法与思路
- 作者用潜在结果与处理分配不可观测因素的局部 copula 表示，施加恒定局部依赖限制，再以分布回归实现估计与推断。
- 材料陈述的贡献
- 摘要称，该限制可识别总体与相关子总体的处理效应，构造性识别结果导向实际估计程序，并用睡眠与幸福感关系展示异质性。
- 阅读关注点
- 应核对恒定局部依赖的精确定义、工具变量有效性及支持条件，并检查离散和连续处理下识别目标与分布回归步骤的区别。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要未列出完整识别条件，二元工具变量本身不能保证总体效应可识别。
原文摘要
We propose an instrumental variable framework for identifying and estimating causal effects of discrete and continuous treatments with binary instruments. The basis of our approach is a local copula representation of the joint distribution of the potential outcomes and unobservables determining treatment assignment. This representation allows us to introduce an identifying assumption, so-called constant local dependence, that restricts the local dependence of the copula with respect to the treatment propensity. We show that constant local dependence identifies treatment effects for the entire population and other subpopulations such as the treated. The identification results are constructive and lead to practical estimation and inference procedures based on distribution regression. An application to estimating the effect of sleep on well-being uncovers interesting patterns of heterogeneity.