Bounds on causal effects in $ 2^{K} $ factorial experiments with noncompliance
存在不依从时二水平多因素实验的因果效应界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：摘要明确讨论实验不依从、工具变量、依从者平均处理效应及其部分识别界。
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
存在不依从时二水平多因素实验的因果效应界
- 研究问题
- 在二水平多因素实验中，受试者可能不依从各项处理分配；如何避免依赖较强的处理接受假设，对依从者平均处理效应给出界？
- 方法与思路
- 作者围绕工具变量框架下的依从者处理效应，利用结局有界这一限制，在较弱的不依从假设下开展部分识别分析。
- 材料陈述的贡献
- 摘要称，该研究能够在比既有处理接受假设更温和的条件下，界定多因素实验中的依从者平均处理效应，缓解点识别所需限制。
- 阅读关注点
- 应核对多因素情形下依从者群体与效应的定义、所谓较弱假设的准确内容，以及界的计算方式、紧致性和统计推断处理。
- 阅读边界
- 仅据所给 Crossref 摘要；具体不依从假设、效应界公式及估计推断结果未提供，不能认定这些界必然很窄或无需其他识别条件。
原文摘要
Summary Factorial experiments are ubiquitous in the social and biomedical sciences, but when units fail to comply with each assigned factor, identification and estimation of the average treatment effects become impossible without strong assumptions. Leveraging an instrumental variables approach, previous studies have shown how to define and estimate the causal effect of treatment uptake among respondents who comply with treatment. A major caveat is that these results rely on strong assumptions on the effect of randomization on treatment uptake. This work shows how to bound these complier average treatment effects for bounded outcomes under milder assumptions on noncompliance.