Two-way exclusion restrictions in models with heterogeneous treatment effects
异质性处理效应模型中的双向排除限制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：摘要围绕内生处理、异质性效应及双向排除限制下的因果参数识别。
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…
异质性处理效应模型中的双向排除限制
- 研究问题
- 处理内生、效应异质、候选工具可与潜在误差相关且选择不必单调时，如何识别条件平均处理效应的偏导数？
- 方法与思路
- 作者利用两类排除变量：一类影响处理但不进入潜在结果方程，另一类影响潜在结果但不进入选择方程，并提出两步估计。
- 材料陈述的贡献
- 摘要称，在双向排除限制及其他条件下可点识别目标偏导数，并建立渐近正态估计，以中国不同发展水平地区的教育回报为例。
- 阅读关注点
- 应核对目标偏导数针对哪个变量、两类排除限制的精确定义，以及允许工具相关与放松单调性时仍需满足的条件。
- 阅读边界
- 摘要未展开所谓温和条件，也未交代教育应用中排除变量的具体构造；不能据此认为无需其他限制即可处理任意内生性。
原文摘要
Summary In this paper, we propose a novel method to identify the conditional average treatment effect partial derivative (CATE-PD) in an environment in which the treatment is endogenous, the treatment effect is heterogeneous, the candidate 'instrumental variables' can be correlated with latent errors, and the treatment selection does not need to be (weakly) monotone. We show that CATE-PD is point-identified under mild conditions if two-way exclusion restrictions exist: (a) an outcome-exclusive variable, which affects the treatment but is excluded from the potential outcome equation, and (b) a treatment-exclusive variable, which affects the potential outcome but is excluded from the selection equation. We also propose an asymptotically normal two-step estimator and illustrate our method by investigating how the return to education varies across regions at different levels of development in China.