Partial identification in nonseparable binary response models with endogenous regressors
含内生解释变量的非可分二元响应模型中的部分识别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。
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：摘要直接研究二元决策模型及其反事实参数，并以医疗保险对就医决策的影响为应用。
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
含内生解释变量的非可分二元响应模型中的部分识别
- 研究问题
- 当二元响应模型含可能内生的解释变量、多维潜在变量和非可分指标函数时，反事实参数能够被识别到什么范围？
- 方法与思路
- 作者利用计算几何中的超平面排列与单元枚举计算识别集，并将函数形式、独立性和单调性限制纳入优化约束。
- 材料陈述的贡献
- 摘要称，该框架无需参数化分布假设，提供可计算的反事实参数识别集，并用于研究医疗保险对就医决策的影响。
- 阅读关注点
- 应核对反事实参数的定义、识别集是否尖锐、各类约束如何转化为优化问题，以及维度增加时的计算可行性。
- 阅读边界
- 所给 RePEc 出版社摘要未说明内生性的具体处理条件、约束的实质依据及应用结果，不能据此判断保险效应的方向。
原文摘要
This paper considers (partial) identification of a variety of counterfactual parameters in binary response models with possibly endogenous regressors. Our framework allows for nonseparable index functions with multi-dimensional latent variables, and does not require parametric distributional assumptions. We leverage results on hyperplane arrangements and cell enumeration from the literature on computational geometry in order to provide a tractable means of computing the identified set. We demonstrate how various functional form, independence, and monotonicity assumptions can be imposed as constraints in our optimization procedure to tighten the identified set. Finally, we apply our method to study the effects of health insurance on the decision to seek medical treatment.