A new instrumental method for dealing with endogenous selection
处理内生选择的一种新工具变量方法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。
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：摘要直接处理内生选择的识别问题，并应用于留级效应估计，文本依据支持将其归入因果推断方向。
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
处理内生选择的一种新工具变量方法
- 研究问题
- 当样本选择直接受结果变量影响时，如何利用不同于传统策略的工具变量关系识别联合分布，并在条件放宽时界定参数？
- 方法与思路
- 作者采用给定结果后工具与选择变量独立的条件，在完备性假设下识别联合分布，并在较弱单调性条件下构造锐界。
- 材料陈述的贡献
- 摘要提出识别、界限及参数和非参数估计方法，讨论非随机无应答等场景，并应用于法国小学留级效应的估计。
- 阅读关注点
- 应核对条件独立与完备性的具体表述、工具变量的经济含义、单调性如何支持锐界，以及留级应用的识别依据。
- 阅读边界
- 所给出版社摘要未提供工具变量、效应定义或应用结果，也未说明全部识别条件；不能据此确认留级效应的方向和大小。
原文摘要
This paper develops a new method for dealing with endogenous selection. The usual instrumental strategy based on the independence between the outcome and the instrument is likely to fail when selection is directly driven by the dependent variable. Instead, we suggest to rely on the independence between the instrument and the selection variable, conditional on the outcome. This approach may be particularly suitable for nonignorable nonresponse, binary models with missing covariates or Roy models with an unobserved sector. The nonparametric identification of the joint distribution of the variables is obtained under a completeness assumption, which has been used recently in several nonparametric instrumental problems. Even if the conditional independence between the instrument and the selection variable fails to hold, the approach provides sharp bounds on parameters of interest under weaker monotonicity conditions. Apart from identification, nonparametric and parametric estimations are also considered. Finally, the method is applied to estimate the effect of grade retention in French primary schools.