Pairwise valid instruments
成对有效的工具变量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：摘要直接研究部分无效工具变量下的局部平均处理效应估计，属于工具变量因果推断。
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
成对有效的工具变量
- 研究问题
- 当工具变量只对部分取值配对有效时，如何估计异质性处理效应模型中的局部平均处理效应，并减少无效工具变异造成的偏差？
- 方法与思路
- 作者提出有效性集合工具变量估计，利用工具有效性的可检验推论剔除无效配对，估计剩余配对的效应，再按研究者指定权重汇总。
- 材料陈述的贡献
- 摘要称，新估计量在一定条件下渐近正态，相较标准局部平均处理效应估计可消除或降低渐近偏差，并用于大学教育回报分析。
- 阅读关注点
- 应核对成对有效性的定义、检验能够排除哪些无效配对，以及筛选误差、汇总权重和渐近推断条件如何影响最终效应的解释。
- 阅读边界
- 仅依据所给 OpenAlex 摘要；具体有效性条件、筛选规则和模拟结果未说明，不能将通过检验视为有效性已获证明，也不能推断刊本变化。
原文摘要
Finding valid instruments is difficult. We propose Validity Set Instrumental Variable (VSIV) estimation, a method for estimating local average treatment effects (LATEs) in heterogeneous causal effect models when the instruments are partially invalid. We consider settings with pairwise valid instruments, that is, instruments that are valid for a subset of instrument value pairs. VSIV estimation exploits testable implications of instrument validity to remove invalid pairs and provides estimates of the LATEs for all remaining pairs, which can be aggregated into a single parameter of interest using researcher-specified weights. We show that the proposed VSIV estimators are asymptotically normal under weak conditions and remove or reduce the asymptotic bias relative to standard LATE estimators (that is, LATE estimators that do not use testable implications to remove invalid variation). We evaluate the finite sample properties of VSIV estimation in application-based simulations and apply our method to estimate the returns to college education using parental education as an instrument.