Treatment Effects With Censoring and Endogeneity
删失与内生性下的处理效应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：摘要明确研究工具变量识别的删失分位数处理效应，同时涉及因果推断与分布效应。
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
删失与内生性下的处理效应
- 研究问题
- 当结果变量存在删失、处理可能内生且效应具有任意异质性时，如何非参数识别和估计处理对结果分布不同位置的影响？
- 方法与思路
- 作者基于满足局部平均处理效应框架中排除与单调性条件的工具变量，提出删失分位数处理效应估计量并推导渐近分布。
- 材料陈述的贡献
- 摘要称，估计量在所考察模拟中表现良好；就业培训应用发现，参加项目显著缩短无工作持续时间，分布右尾的降幅尤为突出。
- 阅读关注点
- 应核对删失机制与工具变量的完整识别条件、分位数效应对应的人群，以及渐近推断和有限样本比较的具体设定。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，删失相关条件与效应数值未说明；摘要中的比较优势限于其研究情形，刊本变化未核验。
原文摘要
This article develops a nonparametric approach to identification and estimation of treatment effects on censored outcomes when treatment may be endogenous and have arbitrarily heterogenous effects. Identification is based on an instrumental variable that satisfies the exclusion and monotonicity conditions standard in the local average treatment effects framework. The article proposes a censored quantile treatment effects estimator, derives its asymptotic distribution, and illustrates its performance using Monte Carlo simulations. Even in the exogenous case, the estimator performs better in finite samples than existing censored quantile regression estimators, and performs nearly as well as maximum likelihood estimators in cases where their distributional assumptions hold. An empirical application to a subsidized job training program finds that participation significantly and dramatically reduced the duration of jobless spells, especially at the right tail of the distribution.