Control Variables, Discrete Instruments, and Identification of Structural Functions
控制变量、离散工具变量与结构函数识别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：摘要明确涉及结构函数识别、平均处理效应及分位数处理效应，分别支持结构估计、因果推断和分布效应方向。
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
控制变量、离散工具变量与结构函数识别
- 研究问题
- 在含非可分或多维异质性的内生性模型中，离散工具变量能否结合控制变量识别结构函数及平均或分位数处理效应？
- 方法与思路
- 作者允许工具变量离散，并针对内生变量和控制变量影响结果的不同限制推导识别结果，以恩格尔曲线估计作应用。
- 材料陈述的贡献
- 摘要称给出多种限制下的结构对象识别结果，覆盖平均及分位数处理效应，展示控制变量方法在离散工具下的用途。
- 阅读关注点
- 应核对各类作用形式限制、控制变量构造，以及离散工具提供的信息如何足以识别不同结构函数和处理效应。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列明具体限制，不能据此认定离散工具一般足以解决内生性。
原文摘要
Control variables provide an important means of controlling for endogeneity in econometric models with nonseparable and/or multidimensional heterogeneity. We allow for discrete instruments, giving identification results under a variety of restrictions on the way the endogenous variable and the control variables affect the outcome. We consider many structural objects of interest, such as average or quantile treatment effects. We illustrate our results with an empirical application to Engel curve estimation.