Identifying marginal treatment effects in the presence of sample selection
样本选择下边际处理效应的识别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：摘要直接研究样本选择下的边际处理效应、工具变量及处理相关单调性，属于因果效应部分识别。
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…
样本选择下边际处理效应的识别
- 研究问题
- 存在受处理影响的样本选择时，如何识别无论接受何种处理都被观测到的人群的边际处理效应，并刻画其可识别范围？
- 方法与思路
- 作者将问题改写为权重可识别的混合模型，在标准 MTE 条件上逐步加入选择单调性和随机占优，推导界并提出估计量。
- 材料陈述的贡献
- 摘要称获得三组假设下的一致尖锐界，选择单调性缩小识别集、随机占优提高下界，并将分析扩展至离散工具变量。
- 阅读关注点
- 应核对始终被观测人群的定义、三组假设的精确内容、尖锐性的含义，以及离散工具变量下目标参数如何界定。
- 阅读边界
- 仅据所给出版社摘要；结果为特定人群的部分识别，不能直接当作总体处理效应，摘要未说明界估计的推断细节。
原文摘要
This article presents identification results for the marginal treatment effect (MTE) when there is sample selection. We show that the MTE is partially identified for individuals who are always observed regardless of treatment, and derive uniformly sharp bounds on this parameter under three increasingly restrictive sets of assumptions. The first result imposes standard MTE assumptions with an unrestricted sample selection mechanism. The second set of conditions imposes monotonicity of the sample selection variable with respect to treatment, considerably shrinking the identified set. Finally, we incorporate a stochastic dominance assumption which tightens the lower bound for the MTE. Our analysis extends to discrete instruments. The results rely on a mixture reformulation of the problem where the mixture weights are identified, extending Lee’s (2009) trimming procedure to the MTE context. We propose estimators for the bounds derived and use data made available by Deb et al. (2006) to empirically illustrate the usefulness of our approach.