Measurement errors in the binary instrumental variable model
二元工具变量模型中的测量误差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：摘要直接研究工具变量识别的因果效应及其在误测下的偏差、界限和敏感性分析。
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
二元工具变量模型中的测量误差
- 研究问题
- 当二元工具变量、处理或结果存在误测时，因果效应估计会如何偏移，又能获得怎样的效应界限与敏感性分析？
- 方法与思路
- 作者先研究给定真实值后误测不依赖其他变量的非差异误差，分析偏差与尖锐界，再讨论差异误测的敏感性分析。
- 材料陈述的贡献
- 摘要在其框架下称工具变量误测不致偏，处理误测使估计远离零，结果误测使其趋零，并给出排除零的尖锐界。
- 阅读关注点
- 应核对目标因果效应、工具变量模型的基础条件、误测机制及偏差方向的适用范围，尤其是界限为何能够排除零。
- 阅读边界
- 仅据所给Crossref摘要，基础识别条件和误测参数限制未说明，不能将所述偏差方向及非零界限推广到所有情形。
原文摘要
Summary Instrumental variable methods can identify causal effects even when the treatment and outcome are confounded. We study the problem of imperfect measurements of the binary instrumental variable, treatment and outcome. We first consider nondifferential measurement errors, that is, the mismeasured variable does not depend on other variables given its true value. We show that the measurement error of the instrumental variable does not bias the estimate, that the measurement error of the treatment biases the estimate away from zero, and that the measurement error of the outcome biases the estimate toward zero. Moreover, we derive sharp bounds on the causal effects without additional assumptions. These bounds are informative because they exclude zero. We then consider differential measurement errors, and focus on sensitivity analyses in those settings.