An IV Model of Quantile Treatment Effects
分位数处理效应的工具变量模型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：摘要明确研究内生性下的分位数处理效应，并给出结构联立方程解释，对应因果推断、分布效应与结构估计。
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…
关注这篇论文的作者
分位数处理效应的工具变量模型
- 研究问题
- 在教育、价格等解释变量存在内生性的观察研究中，如何识别其对结果分布不同分位点的因果效应，弥补常规分位数回归的不一致性？
- 方法与思路
- 作者构建分位数处理效应模型，通过限制个体排序在不同处理状态间的变化，结合工具变量获得不依赖函数形式假设的识别条件。
- 材料陈述的贡献
- 摘要称模型可在内生性下识别分位数处理效应，并可等价表示为具有非加性误差的结构联立方程模型，使其具有结构分位数效应解释。
- 阅读关注点
- 阅读全文时应核对跨处理状态的排序限制、工具变量条件及识别结论的适用范围，并检查结构联立方程表述与处理效应解释如何对应。
- 阅读边界
- 摘要未说明排序限制和工具变量条件的具体形式，也未交代估计程序或应用结果；无需函数形式假设不意味着识别无需其他限制。
原文摘要
The ability of quantile regression models to characterize the heterogeneous impact of variables on different points of an outcome distribution makes them appealing in many economic applications. However, in observational studies, the variables of interest (e.g., education, prices) are often endogenous, making conventional quantile regression inconsistent and hence inappropriate for recovering the causal effects of these variables on the quantiles of economic outcomes. In order to address this problem, we develop a model of quantile treatment effects (QTE) in the presence of endogeneity and obtain conditions for identification of the QTE without functional form assumptions. The principal feature of the model is the imposition of conditions that restrict the evolution of ranks across treatment states. This feature allows us to overcome the endogeneity problem and recover the true QTE through the use of instrumental variables. The proposed model can also be equivalently viewed as a structural simultaneous equation model with nonadditive errors, where QTE can be interpreted as the structural quantile effects (SQE).