On the instrumental variable estimation with many weak and invalid instruments
众多弱工具变量与无效工具变量下的工具变量估计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：摘要直接讨论工具变量有效性、识别及体重指数对血压的效应估计，支持因果推断分类。
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…
众多弱工具变量与无效工具变量下的工具变量估计
- 研究问题
- 在线性工具变量模型中，工具有效性未知且单个工具可能较弱时，如何识别目标参数并一致地选择有效工具结构？
- 方法与思路
- 作者以等价于多数群规则的最稀疏规则为识别基础，研究非凸惩罚，并提出与该规则相匹配的替代稀疏惩罚。
- 材料陈述的贡献
- 摘要称，该方法具有选择一致性和 oracle 稀疏结构，允许较弱的工具强度条件，并以模拟和体重指数应用展示表现。
- 阅读关注点
- 核对最稀疏规则与多数群规则的等价条件、工具强度要求、非凸优化的求解保证，以及与两步选择方法比较的范围。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定弱工具条件的具体形式、理论结论的适用范围或体重指数应用的因果可信度。
原文摘要
Abstract We discuss the fundamental issue of identification in linear instrumental variable (IV) models with unknown IV validity. With the assumption of the ‘sparsest rule’, which is equivalent to the plurality rule but becomes operational in computation algorithms, we investigate and prove the advantages of non-convex penalized approaches over other IV estimators based on two-step selections, in terms of selection consistency and accommodation for individually weak IVs. Furthermore, we propose a surrogate sparsest penalty that aligns with the identification condition and provides oracle sparse structure simultaneously. Desirable theoretical properties are derived for the proposed estimator with weaker IV strength conditions compared to the previous literature. Finite sample properties are demonstrated using simulations and the selection and estimation method is applied to an empirical study concerning the effect of body mass index on diastolic blood pressure.