A statistician's guide to weak-instrument-robust inference in instrumental variables regression with illustrations in Python
工具变量回归中弱工具稳健推断的统计学指南及 Python 示例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：题名和摘要明确讨论工具变量回归中的弱工具稳健推断，对应因果推断中工具变量方法的相关问题。
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
工具变量回归中弱工具稳健推断的统计学指南及 Python 示例
- 研究问题
- 工具变量较弱时，如何理解回归估计与稳健推断的相关结果，并利用 Python 软件展示这些方法的实际应用？
- 方法与思路
- 作者综述工具变量回归的估计与弱工具稳健推断结果，并使用实现相关方法的 Python 软件包 ivmodels 进行说明。
- 材料陈述的贡献
- 摘要明确陈述的贡献是对相关结果的导读与软件示例，未说明提出新的估计量、检验方法或理论结论。
- 阅读关注点
- 应核对具体覆盖哪些估计与检验方法、各自成立条件，以及软件如何构造置信集合并处理弱识别情形。
- 阅读边界
- 这是 arXiv 预印本，同行评审与接收未核实；摘要非常简短，未说明具体方法、误差结构及适用的工具变量设定。
原文摘要
We provide an overview of results relating to estimation and weak-instrument-robust inference in instrumental variables regression. Methods are implemented in the ivmodels software package for Python, which we use to illustrate results.