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。
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：摘要明确涉及非可分二元响应结构模型、反事实识别及就医选择，支持离散选择、结构估计与因果推断分类。
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
- 在解释变量可能内生、潜在变量多维且指数函数非可分的二元响应模型中，如何计算不同反事实参数的识别集合？
- 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合，将函数形式、独立性和单调性假设作为优化约束加入。
- 材料陈述的贡献
- 摘要称，该框架无需参数化分布假设，提供可处理的识别集合计算方法，并用于研究健康保险对就医选择的影响。
- 阅读关注点
- 应核对反事实参数定义、内生性允许的范围、几何枚举的规模，以及不同约束如何收紧识别集和影响计算可行性。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明完整模型条件、计算复杂度或应用数值，不能判断识别集宽度。
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.