Sensitivity Analysis for Instrumental Variables Under Joint Relaxations of Monotonicity and Independence
同时放宽单调性与独立性的工具变量敏感性分析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：摘要直接讨论工具变量 LATE、ATE 的部分识别及识别假设敏感性。
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
同时放宽单调性与独立性的工具变量敏感性分析
- 研究问题
- 工具变量单调性与独立性同时受到违反时，局部平均处理效应结论能维持到何种程度，如何估计其失效边界？
- 方法与思路
- 作者以 c 依赖刻画独立性偏离，允许反向依从者比例为正但小于依从者比例，推导效应界限及失效前沿。
- 材料陈述的贡献
- 摘要称获得 LATE 与 ATE 的识别集、失效前沿的一致样本对应估计及有效自助推断，并展示家庭规模应用的敏感性。
- 阅读关注点
- 应核对两个敏感性参数的定义及可行范围、效应界限的识别性质、前沿对应的具体结论，以及自助法有效性的条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未经核实；摘要未提供界限公式、正则条件和应用数值，敏感程度需结合参数尺度判断。
原文摘要
In this paper I develop a breakdown frontier approach to assess the sensitivity of Local Average Treatment Effects (LATE) estimates to violations of monotonicity and independence of the instrument. I parametrize violations of independence using the concept of $c$-dependence from Masten & Poirier (2018) and allow for the share of defiers to be greater than zero but smaller than the share of compliers. I derive identified sets for the LATE and the Average Treatment Effect (ATE) in which the bounds are functions of these two sensitivity parameters. Using these bounds, I derive the breakdown frontier for the LATE, which is the weakest set of assumptions such that a conclusion regarding the LATE holds. I derive consistent sample analogue estimators for the breakdown frontiers and provide a valid bootstrap procedure for inference. Monte Carlo simulations show the desirable finite-sample properties of the estimators and an empirical application shows that the conclusions regarding the effect of family size on unemployment from Angrist & Evans (1998) are highly sensitive to violations of independence and monotonicity.