A vector monotonicity assumption for multiple instruments
多个工具变量下的向量单调性假设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：摘要围绕多工具变量、处理选择单调性及响应人群的因果效应识别。
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…
关注这篇论文的作者
多个工具变量下的向量单调性假设
- 研究问题
- 多个工具变量共同影响单一二元处理时，如何放宽传统单调性要求，并识别对全部或部分工具变量有响应者的平均处理效应？
- 方法与思路
- 作者提出处理选择对各工具变量单调的向量单调性，在工具变量均为二元的情形下刻画点识别参数，并给出构造性估计方法。
- 材料陈述的贡献
- 摘要称可识别参数包括对工具变量集合以某种方式响应者、或对特定子集响应者的平均处理效应，并重新分析大学教育的劳动市场回报。
- 阅读关注点
- 应核对向量单调性与传统单调性的区别、响应人群的精确定义、其他工具变量识别条件，以及构造性估计量的推断方法。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，无法判断其他识别假设与估计量的统计性质；点识别刻画明确针对二元工具，也不推断版本变化。
原文摘要
When a researcher combines multiple instrumental variables for a single binary treatment, the monotonicity assumption of the local average treatment effects (LATE) framework can become restrictive: it requires that all units share a common direction of response even when separate instruments are shifted in opposing directions. What I call vector monotonicity, by contrast, simply assumes treatment uptake to be monotonic in all instruments. I characterize the class of causal parameters that are point identified under vector monotonicity, when the instruments are binary. This class includes, for example, the average treatment effect among units that are in any way responsive to the collection of instruments, or those that are responsive to a given subset of them. The identification results are constructive and yield a simple estimator for the identified treatment effect parameters. An empirical application revisits the labor market returns to college.