Distributional Instruments: Identification and Estimation with Quantile Least Squares
分布型工具变量：识别与分位数最小二乘估计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：摘要研究工具变量与控制函数识别，并明确以平均结构效应为目标。
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
分布型工具变量：识别与分位数最小二乘估计
- 研究问题
- 当政策显著改变内生变量的分布却仅微弱改变其均值时，能否利用这种分布相关性识别结构效应并改善工具变量估计？
- 方法与思路
- 作者在三角模型中借助控制函数讨论识别，并用 Q-LS 汇总内生变量的条件分位数，构造预测投影作为线性 IV 的工具。
- 材料陈述的贡献
- 摘要称建立非参数识别及 Q-LS 的一致性、渐近正态性和常规方差公式有效性，并报告弱均值工具情形的模拟与应用。
- 阅读关注点
- 应核对分布相关性与其他识别条件的关系、非参数识别与线性估计的目标差异，以及分位数聚合和正则化的作用。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实。摘要未给出完整识别条件、聚合公式或应用数值，不能认定其解决所有弱工具问题。
原文摘要
We study instrumental-variable designs where policy reforms strongly shift the distribution of an endogenous variable but only weakly move its mean. We formalize this by introducing distributional relevance: instruments may be purely distributional. Within a triangular model, distributional relevance suffices for nonparametric identification of average structural effects via a control function. We then propose Quantile Least Squares (Q-LS), which aggregates conditional quantiles of X given Z into an optimal mean-square predictor and uses this projection as an instrument in a linear IV estimator. We establish consistency, asymptotic normality, and the validity of standard 2SLS variance formulas, and we discuss regularization across quantiles. Monte Carlo designs show that Q-LS delivers well-centered estimates and near-correct size when mean-based 2SLS suffers from weak instruments. In Health and Retirement Study data, Q-LS exploits Medicare Part D-induced distributional shifts in out-of-pocket risk to sharpen estimates of its effects on depression.