Robust Identification in Randomized Experiments with Noncompliance
存在不依从的随机实验中的稳健识别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：摘要直接围绕随机实验不依从、工具变量、LATE 假设放松与因果参数锐界展开，明确属于因果推断中的稳健识别。
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
存在不依从的随机实验中的稳健识别
- 研究问题
- 随机实验存在不依从且标准局部平均处理效应假设受到质疑时，分别放松单调性或排除限制还能识别哪些因果参数？
- 方法与思路
- 作者保留随机分配，分别搭配排除限制或单调性推导因果参数的锐界，并重新分析一项随机信息实验的假设相容性。
- 材料陈述的贡献
- 摘要称，两组弱化假设均可产生锐界；应用中发现标准 LATE 假设联合不相容，并估计放松假设后的稳健识别集。
- 阅读关注点
- 应核对两组假设对应的目标参数、锐界推导和可检验限制，以及应用中联合不相容的证据是否能区分具体被违反的假设。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未获验证；摘要未给出参数定义、界的表达式或应用数值，结论仍依赖保留的假设。
原文摘要
Instrument variable (IV) methods are widely used in empirical research to identify causal effects of a policy. In the local average treatment effect (LATE) framework, the IV estimand identifies the LATE under three main assumptions: random assignment, exclusion restriction, and monotonicity. However, these assumptions are often questionable in many applications, leading some researchers to doubt the causal interpretation of the IV estimand. This paper considers a robust identification of causal parameters in a randomized experiment setting with noncompliance where the standard LATE assumptions could be violated. We discuss identification under two sets of weaker assumptions: random assignment and exclusion restriction (without monotonicity), and random assignment and monotonicity (without exclusion restriction). We derive sharp bounds on some causal parameters under these two sets of relaxed LATE assumptions. Finally, we apply our method to revisit the random information experiment conducted in Bursztyn, González, and Yanagizawa-Drott (2020) and find that the standard LATE assumptions are jointly incompatible in this application. We then estimate the robust identified sets under the two sets of relaxed assumptions.