Marginal Treatment Effects in the Absence of Instrumental Variables
没有工具变量时的边际处理效应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：摘要直接研究边际处理效应的定义、识别及异质性因果效应估计。
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…
没有工具变量时的边际处理效应
- 研究问题
- 在无法采用传统工具变量的独立性、排除性和单调性等假设时，能否重新定义并识别边际处理效应，进而分析异质性因果效应？
- 方法与思路
- 作者以独立于协变量的约化式处理误差定义 MTE，结合潜在结果回归的线性限制、倾向得分的非线性限制及条件均值独立进行识别。
- 材料陈述的贡献
- 摘要称新定义保留 MTE 与标准处理参数的关系，给出本质异质性下的充分识别条件，并以 Head Start 项目展示估计应用。
- 阅读关注点
- 应核对新 MTE 与传统对象的区别、函数形式识别的逻辑，以及条件均值独立如何导出加性可分性，并检查应用中限制的可信度。
- 阅读边界
- 仅依据给定 Crossref 版本摘要。不使用传统 IV 假设仍需新的函数形式与独立性限制；其精确条件和可检验范围摘要未说明。
原文摘要
ABSTRACT We propose a method for defining, identifying, and estimating the marginal treatment effect (MTE) without imposing the instrumental variable (IV) assumptions of independence, exclusion, and separability (or monotonicity). Under a new definition of the MTE based on reduced‐form treatment error that is statistically independent of the covariates, we find that the relationship between the MTE and standard treatment parameters holds in the absence of IVs. We provide a set of sufficient conditions ensuring the identification of the defined MTE in an environment of essential heterogeneity. The key conditions include a linear restriction on potential outcome regression functions, a nonlinear restriction on the propensity score, and a conditional mean independence restriction which will lead to additive separability. We prove this identification using the notion of semiparametric identification based on functional forms. And we provide an empirical application for the Head Start program to illustrate the usefulness of the proposed method in analyzing heterogenous causal effects when IVs are elusive.