2SLS with Multiple Treatments
多重处理下的两阶段最小二乘法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：摘要直接研究多处理、异质效应和工具变量下的 2SLS 因果识别，重点是处理系数的效应权重解释。
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
多重处理下的两阶段最小二乘法
- 研究问题
- 当存在多个处理且个体处理效应异质时，2SLS 究竟识别什么，哪些条件能保证各处理系数具有正权重效应汇总的解释？
- 方法与思路
- 作者分析多处理模型中的工具变量识别，允许任意数量的处理、连续或离散工具及协变量，并研究识别条件对应的选择行为。
- 材料陈述的贡献
- 摘要称平均条件单调性与无交叉效应是获得正权重个体效应汇总的必要充分条件，并提供可检验含义及选择行为刻画。
- 阅读关注点
- 应核对两个条件的正式定义、正权重的对象与归一化方式、工具和处理数量的适用范围，以及可检验含义能排除哪些违例。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明基础工具变量假设和权重公式，不能直接认定应用中的系数可解释。
原文摘要
We study what two-stage least squares (2SLS) identifies in models with multiple treatments under treatment effect heterogeneity. Two conditions are shown to be necessary and sufficient for the 2SLS to identify positively weighted sums of agent-specific effects of each treatment: average conditional monotonicity and no cross effects. Our identification analysis allows for any number of treatments, any number of continuous or discrete instruments, and the inclusion of covariates. We provide testable implications and present characterizations of choice behavior implied by our identification conditions.