A condition for the identification of multivariate models with binary instruments
使用二元工具变量识别多元模型的一个条件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：摘要明确研究内生变量与工具变量模型的非参数点识别，直接对应因果识别方法中的工具变量方向。
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
使用二元工具变量识别多元模型的一个条件
- 研究问题
- 当内生变量连续且模型具有多元结构和一般异质性时，仅用二元工具变量，何种可观测条件能够支持非参数点识别？
- 方法与思路
- 作者以第一阶段的循环单调性为主要假设，提出经验可核查的识别条件，并利用映射的固定集合收敛结果建立识别。
- 材料陈述的贡献
- 摘要称，该条件扩展了限制异质性或要求工具变量大支持集的识别结果，并给出可观测分布的渐近收敛结果以支持检查。
- 阅读关注点
- 应核对经验条件的具体形式、循环单调性及其他模型限制，以及条件的样本检查与总体点识别结论之间如何衔接。
- 阅读边界
- 依据所给 RePEc 出版社摘要，完整条件及检查方法未说明；不能将结果理解为任何二元工具变量都足以识别多元模型。
原文摘要
This article introduces an empirical condition for the nonparametric point-identification of multivariate instrumental variable models with continuous endogenous variables using binary instruments. Verifying this condition can confirm point-identification in settings in which traditional approaches are not applicable. In particular, it shows that nonlinear instrumental variable models with general heterogeneity can be point-identified with only a binary instrument. This generalizes existing identification results which either restrict the unobserved heterogeneity substantially or require the instrument to have a large support. The main assumption on the instrumental variable model is cyclic monotonicity of its first stage, a multivariate generalization of the classical rank-invariance assumption for univariate models. Asymptotic convergence results for the empirical observable distributions are derived that allow to check the condition in practice. The identification rests on a fixed-set convergence result of cyclically monotone maps between quasi-concave functions.