Identification and estimation of triangular models with a binary treatment
二元处理三角模型的识别与估计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：摘要明确研究内生二元处理效应，并识别估计非可分三角模型及其不可观测项结构。
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
二元处理三角模型的识别与估计
- 研究问题
- 对于含内生二元处理的非可分三角模型，如何在不要求结果方程不可观测项秩不变或秩相似的情况下识别处理效应？
- 方法与思路
- 作者利用工具变量的连续变化和不可观测项分布的形状限制，以 copula 描述内生性，并采用旋转分位数回归进行多步估计。
- 材料陈述的贡献
- 摘要称，该框架实现模型识别与估计，copula 是边际处理效应的组成部分，可用于研究向未处理者扩展处理的影响。
- 阅读关注点
- 应核对工具变量连续变化所需的支持范围、copula 形状限制的内容，以及多步估计如何恢复边际处理效应及其不确定性。
- 阅读边界
- 仅依据所给 RePEc 出版社摘要；具体形状限制、识别范围及就业安置效应未说明，放松秩条件仍依赖其他识别限制。
原文摘要
I study the identification and estimation of a nonseparable triangular model with an endogenous binary treatment. I impose neither rank invariance nor rank similarity on the unobservable term of the outcome equation. Identification is achieved by using continuous variation of the instrument and a shape restriction on the distribution of the unobservables, which is modeled with a copula. The latter captures the endogeneity of the model and is one of the components of the marginal treatment effect, making it informative about the effects of extending the treatment to untreated individuals. The estimation is a multi-step procedure based on rotated quantile regression. Finally, I use the estimator to revisit the effects of Work First Job Placements on future earnings.