Detecting Grouped Local Average Treatment Effects and Selecting True Instruments
识别分组局部平均处理效应与筛选有效工具变量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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究异质处理效应、局部平均处理效应及无效工具变量下的因果识别。
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…
识别分组局部平均处理效应与筛选有效工具变量
- 研究问题
- 在二元处理内生、效应异质且部分工具变量无效时，如何识别具有相同局部平均处理效应的服从者群体，并筛选有效工具？
- 方法与思路
- 作者先按处理倾向得分聚类，再按简化式参数分组；在每类倾向得分中，有效且满足单调性的工具构成最大组这一条件下识别工具。
- 材料陈述的贡献
- 摘要称该程序可一致识别有效工具，并得到一致且渐近正态的局部平均处理效应估计；另提供模拟和美国监禁与再犯应用。
- 阅读关注点
- 应核对倾向得分相同与服从者群体相同之间的联系、最大组条件的精确定义，以及分组误差如何进入后续估计与推断。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明聚类阈值、工具近似分组时的表现或最大组条件的可检验性。
原文摘要
Under an endogenous binary treatment with heterogeneous effects and multiple instruments, we propose a two-step procedure for identifying complier groups with identical local average treatment effects (LATE) despite relying on distinct instruments, even if several instruments violate the identifying assumptions. We use the fact that the LATE is homogeneous for instruments which (i) satisfy the LATE assumptions (instrument validity and treatment monotonicity in the instrument) and (ii) generate identical complier groups in terms of treatment propensities given the respective instruments. We propose a two-step procedure, where we first cluster the propensity scores in the first step and find groups of IVs with the same reduced form parameters in the second step. Under the plurality assumption that within each set of instruments with identical treatment propensities, instruments truly satisfying the LATE assumptions are the largest group, our procedure permits identifying these true instruments in a data driven way. We show that our procedure is consistent and provides consistent and asymptotically normal estimators of underlying LATEs. We also provide a simulation study investigating the finite sample properties of our approach and an empirical application investigating the effect of incarceration on recidivism in the US with judge assignments serving as instruments.