Agglomerative Hierarchical Clustering for Selecting Valid Instrumental Variables
利用凝聚型层次聚类选择有效工具变量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：摘要明确研究违反排除限制时的有效工具变量选择，并应用于移民对工资的效应估计。
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
利用凝聚型层次聚类选择有效工具变量
- 研究问题
- 当候选工具变量中有些违反排除限制，且模型含多个内生解释变量时，如何识别有效工具变量集合，并使估计达到已知有效集合时的性质？
- 方法与思路
- 作者将凝聚型层次聚类与过度识别限制检验结合，用于从较大的候选集合中选择有效工具变量，并分析理论性质、模拟表现及移民对工资的应用。
- 材料陈述的贡献
- 摘要称，当最大的工具变量组有效时，所提方法具有 oracle 性质；方法可处理多个内生解释变量，模拟在若干设置下显示有利表现。
- 阅读关注点
- 应核对聚类依据、最大组的定义和有效性条件，以及过度识别检验如何决定选择；重点查看多个内生变量下的识别与选择后推断。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未获核实；摘要未说明其他正则条件、组间区分要求和模拟数值，不能将最大有效组条件视为自动成立。
原文摘要
We propose a procedure which combines hierarchical clustering with a test of overidentifying restrictions for selecting valid instrumental variables (IV) from a large set of IVs. Some of these IVs may be invalid in that they fail the exclusion restriction. We show that if the largest group of IVs is valid, our method achieves oracle properties. Unlike existing techniques, our work deals with multiple endogenous regressors. Simulation results suggest an advantageous performance of the method in various settings. The method is applied to estimating the effect of immigration on wages.