Leniency Designs: An Operator's Manual
宽严度设计：操作指南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：摘要讨论法官或审查员工具变量设计、处理效应估计及相关识别假设。
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…
宽严度设计：操作指南
- 研究问题
- 利用法官或审查员宽严度差异作为工具变量时，如何减少多决策者与多控制变量带来的偏差，并检查关键设计假设及外部有效性？
- 方法与思路
- 作者围绕无偏 jackknife 工具变量估计器 UJIVE 制定步骤清单，用其评估准随机分配、平均第一阶段单调性，并讨论标准误选择。
- 材料陈述的贡献
- 摘要称，UJIVE 可用于估计、假设评估和外部有效性探查；论文结合专利审查员分配的再分析展示清单，并讨论非聚类标准误的适用性。
- 阅读关注点
- 应核对 UJIVE 的构造与偏差来源、准随机分配和平均单调性的可检验含义，以及采用非聚类标准误时需要哪些依赖结构条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未给出各项检查与标准误选择的具体条件，不能将其建议视为通用规则。
原文摘要
We develop a step-by-step guide to leniency (a.k.a. judge or examiner instrument) designs, drawing on recent econometric literatures. The unbiased jackknife instrumental variables estimator (UJIVE) is purpose-built for leveraging exogenous leniency variation, avoiding subtle biases even in the presence of many decision-makers or controls. We show how UJIVE can also be used to assess key assumptions underlying leniency designs, including quasi-random assignment and average first-stage monotonicity, and to probe the external validity of treatment effect estimates. We further discuss statistical inference, arguing that non-clustered standard errors are often appropriate. A reanalysis of Farre-Mensa et al. (2020), using quasi-random examiner assignment to estimate the value of patents to startups, illustrates our checklist.