Heterogeneous treatment effects with mismeasured endogenous treatment
处理变量误测且内生时的异质性处理效应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：摘要围绕误测且内生的二元处理、工具变量、局部平均处理效应及其识别界限和置信区间，直接属于因果推断。
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
处理变量误测且内生时的异质性处理效应
- 研究问题
- 当二元处理既内生又存在一般测量误差时，二元工具变量还能对局部平均处理效应提供哪些尖锐识别信息？
- 方法与思路
- 作者在工具变量排除限制和真实处理确定性单调性下刻画尖锐识别集，构造一致渐近有效的置信区间，并研究重复测量。
- 材料陈述的贡献
- 摘要称，一般测量误差下仍可得到有限界限；Wald 估计目标是上界但通常不是尖锐上界，重复测量可收紧识别集。
- 阅读关注点
- 应核对排除限制针对哪些变量、真实处理单调性的含义、一般测量误差的容许范围，以及重复测量收紧界限所需条件。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，不能认为任意误测机制都得到相同界限；具体界限表达式及统一尺寸控制条件未说明。
原文摘要
This paper studies the identifying power of an instrumental variable in the nonparametric heterogeneous treatment effect framework when a binary treatment is mismeasured and endogenous. Using a binary instrumental variable, I characterize the sharp identified set for the local average treatment effect under the exclusion restriction of an instrument and the deterministic monotonicity of the true treatment in the instrument. Even allowing for general measurement error (e.g., the measurement error is endogenous), it is still possible to obtain finite bounds on the local average treatment effect. Notably, the Wald estimand is an upper bound on the local average treatment effect, but it is not the sharp bound in general. I also provide a confidence interval for the local average treatment effect with uniformly asymptotically valid size control. Furthermore, I demonstrate that the identification strategy of this paper offers a new use of repeated measurements for tightening the identified set.