Identification of Nonseparable Triangular Models With Discrete Instruments
离散工具变量下非可分三角模型的识别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：摘要研究连续内生变量与结果之间非可分函数的工具变量识别，属于结构模型识别问题；未提供特定政策或处理效应分析。
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…
离散工具变量下非可分三角模型的识别
- 研究问题
- 当连续结果与连续内生变量之间的关系不可分离、工具变量只有离散取值时，哪些限制能够实现函数的完全识别，并带来可检验含义？
- 方法与思路
- 作者借助群论与动力系统理论，结合工具变量的强外生性和双重单调性条件，分析非可分三角模型的完全识别及可检验性。
- 材料陈述的贡献
- 摘要称即使工具变量是离散的，强外生性与双重单调性也可共同实现完全识别，且识别后的模型可检验，凸显两类限制的联合识别作用。
- 阅读关注点
- 阅读全文时应核对强外生性和双重单调性的精确定义、支持集与规范化要求，以及群论构造如何导出完全识别和可检验限制。
- 阅读边界
- 摘要未说明强外生性与双重单调性在应用中如何成立，也未给出估计或检验实施方法；不能据此认定任意离散工具变量都足够。
原文摘要
We study the identification through instruments of a nonseparable function that relates a continuous outcome to a continuous endogenous variable. Using group and dynamical systems theories, we show that full identification can be achieved under strong exogeneity of the instrument and a dual monotonicity condition, even if the instrument is discrete. When identified, the model is also testable. Our results therefore highlight the identifying power of strong exogeneity when combined with monotonicity restrictions.