Stochastic Potential Choices and Outcomes
随机潜在选择与潜在结果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：摘要明确讨论工具变量处理效应、随机处理选择和重复选择面板的识别内容，分别对应因果推断、面板数据与离散选择。
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
随机潜在选择与潜在结果
- 研究问题
- 若个体的处理选择和潜在结果具有稳定但随机的响应机制，工具变量估计量的效应解释及重复选择的识别内容如何变化？
- 方法与思路
- 作者以状态下的处理概率和处理—状态组合下的结果分布定义响应类型，并结合信息驱动选择与短、长面板分析。
- 材料陈述的贡献
- 摘要称工具变量目标量转为按处理概率变化加权的总体效应，短面板识别概率矩，长面板识别效应与概率变化的联合依赖。
- 阅读关注点
- 应核对稳定响应核及工具变量所需条件、加权效应的精确定义，以及短长面板识别如何依赖重复次数与个体内依赖。
- 阅读边界
- 来源为 arXiv 预印本，同行评审与期刊接收未核实；摘要未列出完整识别假设，不能将加权总体效应直接视为平均处理效应。
原文摘要
Applied econometricians typically model each individual as having fixed outcomes under treatment and control and, in instrumental-variables (IV) settings, fixed treatment decisions under each value of the instrument. This paper asks what changes when outcomes and treatment allocations or choices are stochastic at the individual level. In the model, each individual has a stable (but possibly stochastic) response type consisting of two objects: a treatment choice probability under each state and a potential outcome distribution under each treatment-state pair. These stochastic potential outcomes change the interpretation of some familiar estimators. For instance, in the deterministic IV model, the estimand identifies treatment effect only for compliers-those whose treatment status switches with the instrument. Under stochastic treatment allocation or choice there is no such discrete subgroup: the estimand averages effects over the population, weighing each individual by how much the instrument, policy, or assignment rule moves their probability of treatment. The paper then gives an information-based foundation for stochastic choice, in which individuals act on expected gains given their information. Finally, repeated choices give the stable-kernel formulation empirical content: short panels identify moments of individual treatment probabilities, while long panels identify the joint dependence between treatment effects and the probability movements induced by an instrument or policy.