Linear programming approach to partially identified econometric models
部分识别计量模型的线性规划方法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。
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：摘要明确以工具变量限制界定教育回报，并比较不同单调性假设下的识别界，为因果推断分类提供了直接依据。
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
部分识别计量模型的线性规划方法
- 研究问题
- 由线性规划给出的部分识别参数锐界，如何在解不唯一等情形下实现有效估计与推断，并区分逐点保证和一致保证？
- 方法与思路
- 作者提出线性规划最优值估计量，分析逐点及一致性质并构造渐近正态推断；应用中提出条件单调工具变量假设。
- 材料陈述的贡献
- 摘要称，总体规划可行且有限时估计具有逐点根号 n 一致性；教育应用在所提假设下得到哥伦比亚大学教育工资增幅至少 5.5%。
- 阅读关注点
- 应核对一致可估的最小限制、渐近正态推断如何处理多解，以及条件单调工具变量的可检验条件和教育应用的假设依据。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未获验证；摘要未给出完整推断条件，所报工资下界依赖相应识别假设及应用设定。
原文摘要
Sharp bounds on partially identified parameters are often given by the values of linear programs (LPs). This paper introduces a novel estimator of the LP value. Unlike existing procedures, our estimator is root-n-consistent, pointwise in the probability measure, whenever the population LP is feasible and finite. Our estimator is valid under point-identification, over-identifying constraints, and solution multiplicity. Turning to uniformity properties, we prove that the LP value cannot be uniformly consistently estimated without restricting the set of possible distributions. We then show that our estimator achieves uniform consistency under a condition that is minimal for the existence of any such estimator. We obtain computationally efficient, asymptotically normal inference procedure with exact asymptotic coverage at any fixed probability measure. To complement our estimation results, we derive LP sharp bounds in a general identification setting. We apply our findings to estimating returns to education. To that end, we propose the conditionally monotone IV assumption (cMIV) that tightens the classical monotone IV (MIV) bounds and is testable under a mild regularity condition. Under cMIV, university education in Colombia is shown to increase the average wage by at least $5.5\%$, whereas classical conditions fail to yield an informative bound.