IDENTIFYING MULTIPLE MARGINAL EFFECTS WITH A SINGLE INSTRUMENT
用单一工具变量识别多个边际效应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：摘要明确讨论内生变量、工具变量与边际效应识别，并应用于空气质量对房价的影响，因此归入因果推断方向。
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…
用单一工具变量识别多个边际效应
- 研究问题
- 当内生变量具有多个取值、连续取值或向量形式，而工具变量维度较低甚至仅为二元变量时，如何识别多个边际效应？
- 方法与思路
- 作者利用第一阶段随控制变量变化的异质性，提出协方差完备性秩条件，并以工具与控制变量的交互项实施多类两阶段最小二乘。
- 材料陈述的贡献
- 摘要称该策略可在经典阶数条件不满足时实现识别，提供统一估计算法、模拟、空气质量对房价的应用及配套 Stata 软件。
- 阅读关注点
- 应核对协方差完备性的正式含义、交互项外生性的依据、控制变量如何提供识别信息，以及不同估计形式所需的附加条件。
- 阅读边界
- 仅依据所给 Crossref 摘要；完整识别假设、应用估计值和软件细节未说明，不能认定单一工具在任意模型中足够或推断刊本变化。
原文摘要
This paper proposes a new strategy for the identification of the marginal effects of an endogenous multivalued variable (which can be continuous, or a vector) in a model with an Instrumental Variable (IV) of lower dimension, which may even be a single binary variable, and multiple controls. Despite the failure of the classical order condition, we show that identification may be achieved by exploiting heterogeneity of the “first stage” in the controls through a new rank condition that we term covariance completeness . The identification strategy justifies the use of interactions between instruments and controls as additional exogenous variables and can be straightforwardly implemented by parametric, semiparametric, and nonparametric two-stage least squares estimators, following the same generic algorithm. Monte Carlo simulations show that the estimators have excellent performance in moderate sample sizes. Finally, we apply our methods to the problem of estimating the effect of air quality on house prices, based on Chay and Greenstone (2005, Journal of Political Economy 113, 376–424). All methods are implemented in a companion Stata software package.