EXTENDING ECONOMIC MODELS WITH TESTABLE ASSUMPTIONS: THEORY AND APPLICATIONS
以可检验假设扩展经济模型：理论与应用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：摘要以 LATE、工具变量独立性、无违背者及排除限制为主要识别问题。
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
以可检验假设扩展经济模型：理论与应用
- 研究问题
- 当经济模型的假设被观测分布否证时，如何放宽假设并保留识别内容，同时在原假设未被否证时维持原有识别结果？
- 方法与思路
- 作者从 LATE 模型出发，分别放宽无违背者和工具变量独立性假设，再利用偏离原假设的度量构造一般化的放宽方法。
- 材料陈述的贡献
- 摘要称，两种放宽在原假设未被否证时保留经典 Wald 表达式，并提供估计及极限理论，以及一般识别集保持一致的条件。
- 阅读关注点
- 应核对两种放宽的形式、排除限制如何处理、偏离度量的选择，以及识别集与 Wald 表达式一致的确切条件。
- 阅读边界
- 所给 Crossref 摘要未说明放宽假设的完整内容或选择准则；不可否证不代表假设真实，原假设未被否证也不等于得到验证。
原文摘要
This article studies the identification of complete economic models with testable assumptions. We start with a local average treatment effect ( L A T E $LATE$ upper L upper A upper T upper E ) model where the “No Defiers,” the independent IV assumption, and the exclusion restrictions can be jointly refuted by some data distributions. We propose two relaxed assumptions that are not refutable, with one assumption focusing on relaxing the “No Defiers” assumption while the other relaxes the independent IV assumption. The identified set of L A T E $LATE$ upper L upper A upper T upper E under either of the two relaxed assumptions coincides with the classical L A T E $LATE$ upper L upper A upper T upper E Wald ratio expression whenever the original assumption is not refuted by the observed data distribution. We propose an estimator for the identified L A T E $LATE$ upper L upper A upper T upper E and derive the estimator’s limit distribution. We then develop a general method to relax a refutable assumption A . This relaxation method requires finding a function that measures the deviation of an econometric structure from the original assumption A , and a relaxed assumption A ~ $\tilde {A}$ upper A overtilde is constructed using this measure of deviation. We characterize a condition to ensure the identified sets under A ~ $\tilde {A}$ upper A overtilde and A coincide whenever A is not refuted by the observed data distribution and discuss the criteria to choose among different relaxed assumptions.