Identifying program benefits when participation is misreported
参与情况误报时的项目收益识别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：摘要明确讨论不遵从、处理状态误分类、工具变量及局部平均处理效应，核心问题属于因果效应识别与推断。
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
参与情况误报时的项目收益识别
- 研究问题
- 当项目参与既存在不遵从分配又存在误报时，常规工具变量估计量为何可能失去因果含义，如何构造更稳健的替代量？
- 方法与思路
- 作者推广 MR-LATE，纳入离散及多个离散工具变量，允许较弱的部分单调性，并给出面向非差异性误分类的推断程序。
- 材料陈述的贡献
- 摘要称，在不同强度的假设下，MR-LATE 可与常规 IV 相同、偏误更小或识别 IV 估计对象的符号，并提供 Stata 应用。
- 阅读关注点
- 应核对非差异性误分类与部分单调性的定义、各结论对应的假设，以及识别 IV 估计对象符号与识别因果效应符号的区别。
- 阅读边界
- 仅依据所给 Crossref 版本摘要；各组假设和偏误比较条件未说明，较弱条件下的符号结论不能直接解释为因果效应符号。
原文摘要
Summary In cases of noncompliance with an assigned treatment, estimates of causal effects typically rely on instrumental variables (IV). However, when participation is also misreported, the IV estimand may become a nonconvex combination of local average treatment effects that fails to satisfy even a minimal condition for being causal. The aim of our paper is to generalize the MR‐LATE approach. This is an alternative IV estimand that is more robust in cases of noncompliance and nondifferential misclassification of the treatment variable. Our generalization is threefold: First, we incorporate discrete and multiple‐discrete instrument(s); second, we consider the use of instrument(s) under a weaker, partial monotonicity condition; third, we provide a general inferential procedure. Under relatively stringent assumptions, MR‐LATE is either identical to the IV estimand or less biased than the naïve IV estimand. Under less stringent assumptions, the MR‐LATE estimand can identify the sign of the IV estimand. We conclude with the use of a dedicated Stata command, ivreg2m, to assess the return on education in the United Kingdom.