Sensitivity of LATE Estimates to Violations of the Monotonicity Assumption
局部平均处理效应估计对单调性违背的敏感性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：摘要直接分析局部处理效应的识别敏感性，并推导服从者结果分布在随机占优意义下的界。
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
局部平均处理效应估计对单调性违背的敏感性
- 研究问题
- 当工具变量分析中的单调性可能被违背时，局部平均处理效应的方向等经验结论有多稳健，如何量化结论可容忍的违背程度？
- 方法与思路
- 作者以违抗者比例及其与服从者的结果分布差异作为敏感性参数，推导服从者结果分布的尖锐界，并用自助法构造稳健区域置信集。
- 材料陈述的贡献
- 摘要称，建立了保持指定经验结论成立的敏感性参数区域，提供经验应用，并将框架扩展至整个总体的处理效应分析。
- 阅读关注点
- 应核对两个敏感性参数的定义与可行范围、随机占优意义下尖锐界的推导，以及稳健区域置信集的覆盖条件和总体效应扩展。
- 阅读边界
- 这是预印本，同行评审或期刊接收未经核实。摘要未说明其余工具变量条件、参数可信范围及自助法细节，不能判断实际结论的稳健程度。
原文摘要
In this paper, we develop a method to assess the sensitivity of local average treatment effect estimates to potential violations of the monotonicity assumption of Imbens and Angrist (1994). We parameterize the degree to which monotonicity is violated using two sensitivity parameters: the first one determines the share of defiers in the population, and the second one measures differences in the distributions of outcomes between compliers and defiers. For each pair of values of these sensitivity parameters, we derive sharp bounds on the outcome distributions of compliers in the first-order stochastic dominance sense. We identify the robust region that is the set of all values of sensitivity parameters for which a given empirical conclusion, e.g. that the local average treatment effect is positive, is valid. Researchers can assess the credibility of their conclusion by evaluating whether all the plausible sensitivity parameters lie in the robust region. We obtain confidence sets for the robust region through a bootstrap procedure and illustrate the sensitivity analysis in an empirical application. We also extend this framework to analyze treatment effects of the entire population.