Partial Identification from Bunching at Kinks and Notches
利用折点与跳点处聚集行为进行部分识别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。
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：摘要明确将聚集行为用于处理内生性和反事实选择，并以聚集者 ATE 为目标开展部分识别，直接属于因果推断。
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
利用折点与跳点处聚集行为进行部分识别
- 研究问题
- 折点或跳点附近的选择聚集能揭示哪些反事实信息？如何在响应异质且存在内生性时，为聚集者平均处理效应及弹性构造界限？
- 方法与思路
- 作者将聚集行为连接到两个反事实选择的联合分布，以非参数形状限制约束未观测部分的外推，并利用阈值变化或比较组验证。
- 材料陈述的贡献
- 摘要提出包含传统弹性参数的聚集者 ATE，并称对数凹性限制在税收折点应用中产生有信息的界，且可容纳弥散聚集。
- 阅读关注点
- 应核对反事实外推范围、形状限制的识别作用及经验验证逻辑，特别关注对数凹性不成立和弥散聚集时界限如何变化。
- 阅读边界
- 所给版本为预印本，不能据此确认同行评审或期刊接收；摘要未给具体界限与验证条件，对数凹性并非在所有应用中成立。
原文摘要
This paper proposes a partial identification approach to using choices around a kink or notch as a means to overcome endogeneity in a general nonparametric choice model. I show that observed choices are informative about the joint distribution of two counterfactual choices, which leads naturally to analyzing bunching using tools from causal inference. I define as the parameter of interest an average treatment effect among bunchers, which nests the traditional elasticity parameter while allowing for heterogeneity in responsiveness. Identification of the buncher ATE (and hence the elasticity) requires the researcher to extrapolate the distribution of each counterfactual choice beyond where it is observed. I introduce a flexible family of nonparametric shape restrictions to obtain partial identification, and propose a method for empirical validation of this approach using changes in the location of the kink/notch or using the distribution from another comparison group. I find that a log-concavity version of the distributional assumption is widely---though not universally---supported across the empirical literature, and leads to informative bounds in a canonical tax kink application. The approach accommodates diffuse bunching, at the expense of wider bounds.