It is never too LATE: a new look at local average treatment effects with or without defiers
LATE为时不晚：允许或不允许反向服从者的局部平均处理效应新解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。
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：摘要直接研究内生处理、工具变量单调性以及服从者和反向服从者的局部平均处理效应识别。
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…
LATE为时不晚：允许或不允许反向服从者的局部平均处理效应新解
- 研究问题
- 在处理效应异质且处理参与内生时，能否放松工具变量的全局单调性，识别服从者与反向服从者的局部平均处理效应？
- 方法与思路
- 作者提出针对特定潜在结果值的局部单调性，以及更弱的局部服从者—反向服从者假设，推导识别结果并构造估计量。
- 材料陈述的贡献
- 摘要称，较弱条件可识别两类人群或其子集的 LATE，所提估计量在部分情形下可能比2SLS具有更高的有限样本效率。
- 阅读关注点
- 应核对两种局部假设的精确定义、各自对应的目标人群，以及效率比较条件和出生季度工具在教育回报应用中的有效性。
- 阅读边界
- 摘要未说明局部假设如何验证、具体识别公式或效率比较范围；允许反向服从者不意味着无需其他工具变量有效性条件。
原文摘要
Summary In heterogeneous treatment effect models with endogeneity, identification of the local average treatment effect (LATE) typically relies on the availability of an exogenous instrument monotonically related to treatment participation. First, we demonstrate that a strictly weaker local monotonicity condition—invoked for specific potential outcome values rather than globally—identifies the LATEs on compliers and defiers. Second, we show that our identification results apply to subsets of compliers and defiers when imposing an even weaker local compliers-defiers assumption that allows for both types at any potential outcome value. We propose estimators that are potentially more efficient than two-stage least squares (2SLS) in finite samples, even in cases where 2SLS is consistent. Finally, we provide an empirical application to estimating returns to education using the quarter of birth instrument.