Identification and Estimation in a Nonseparable Instrumental Variable Model with Multivariate Outcomes
多元结果非可分工具变量模型的识别与估计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：摘要直接研究非可分结构函数的工具变量识别，并联合建模多元结果分布。
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
多元结果非可分工具变量模型的识别与估计
- 研究问题
- 在结果具有多个相互依赖维度且存在内生性时，如何联合建模结果分布，并识别和估计非可分结构函数？
- 方法与思路
- 作者假设结构函数具有循环单调性，在离散处理与工具变量下利用完备性类条件建立局部识别，并提出计算可行的估计量。
- 材料陈述的贡献
- 摘要称，该框架允许结果维度间灵活依赖，识别条件在一维退化为满秩条件，同时证明估计量一致收敛并展示有限样本表现。
- 阅读关注点
- 应核对循环单调性的结构含义、完备性类条件与局部识别范围，以及一致收敛所需条件和联合分布相对逐维建模的差别。
- 阅读边界
- 所据为 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要仅声称局部识别，未说明全局识别、完整条件或模拟数值。
原文摘要
This paper proposes a novel nonseparable instrumental variable model to address endogeneity in settings with multivariate outcomes. While traditional approaches typically estimate separate one-dimensional quantile models for each outcome, the inherent correlation among different dimensions frequently invalidates their fundamental assumptions. To overcome this limitation, our framework jointly models the distribution of multiple outcomes. By assuming that the structural function is cyclically monotone, the model accommodates flexible dependence across outcome dimensions. We establish the local identification of these structural functions in the presence of discrete treatments and instruments under a completeness-type condition, which reduces to the well-known full-rank condition in one dimension. Furthermore, we introduce a computationally tractable estimator and prove its uniform consistency. Simulation studies demonstrate the estimator's stable performance in finite samples.