Crime and Mismeasured Punishment: Marginal Treatment Effect with Misclassification
犯罪与误测惩罚：处理误分类下的边际处理效应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：摘要围绕工具变量下处理误分类造成的边际处理效应部分识别问题展开。
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
犯罪与误测惩罚：处理误分类下的边际处理效应
- 研究问题
- 当处理状态存在误分类，且误分类决策可能与工具变量相关时，能够识别边际处理效应的哪些信息及上下界？
- 方法与思路
- 作者研究倾向得分导数同号与相近两类限制，分别用于识别 MTE 符号和构造界，并分析巴西替代性刑罚对再犯的影响。
- 材料陈述的贡献
- 摘要称可在允许工具变量与误分类相关的情形下部分识别 MTE，并用刑罚应用展示误分类偏差及效应界的表现。
- 阅读关注点
- 应核对导数限制针对哪些倾向得分、相近程度如何量化，以及工具变量条件、界的锐性和应用中处理误分类的来源。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未获核实；摘要未说明完整识别假设与界的公式，应用偏差幅度也不能直接推广。
原文摘要
I partially identify the marginal treatment effect (MTE) when the treatment is misclassified. I explore two restrictions, allowing for dependence between the instrument and the misclassification decision. If the signs of the derivatives of the propensity scores are equal, I identify the MTE sign. If those derivatives are similar, I bound the MTE. To illustrate, I analyze the impact of alternative sentences (fines and community service v. no punishment) on recidivism in Brazil, where Appeals processes generate misclassification. The estimated misclassification bias may be as large as 10% of the largest possible MTE, and the bounds contain the correctly estimated MTE.