Unbiased instrumental variables estimation under known first-stage sign
已知第一阶段符号时的无偏工具变量估计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：摘要研究工具变量模型中内生回归量的结构参数估计，直接涉及内生性处理。
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
已知第一阶段符号时的无偏工具变量估计
- 研究问题
- 在只有一个内生回归量且已知部分第一阶段系数符号的工具变量模型中，能否构造均值无偏且具有良好效率的估计量？
- 方法与思路
- 作者利用已知第一阶段符号构造无偏估计量，分别处理单工具与多工具情形，并分析强工具及弱工具渐近性质。
- 材料陈述的贡献
- 摘要称，单工具情形存在唯一的相应非随机化无偏估计量；数值分析显示其离散程度低于两阶段最小二乘估计量。
- 阅读关注点
- 应核对符号信息如何进入构造、唯一性的限定范围、多工具效率定义，以及有限样本结果向弱工具渐近的转换。
- 阅读边界
- 所给OpenAlex摘要将有限样本结果限定于约化式误差方差已知的正态模型，不能推广为一般分布结论或推断刊本变化。
原文摘要
We derive mean-unbiased estimators for the structural parameter in instrumental variables models with a single endogenous regressor where the sign of one or more first-stage coefficients is known. In the case with a single instrument, there is a unique nonrandomized unbiased estimator based on the reduced-form and first-stage regression estimates. For cases with multiple instruments we propose a class of unbiased estimators and show that an estimator within this class is efficient when the instruments are strong. We show numerically that unbiasedness does not come at a cost of increased dispersion in models with a single instrument: in this case the unbiased estimator is less dispersed than the two-stage least squares estimator. Our finite-sample results apply to normal models with known variance for the reduced-form errors, and imply analogous results under weak-instrument asymptotics with an unknown error distribution.