Interacting Treatments With Endogenous Takeup
处理交互作用与内生参与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：摘要直接研究析因实验、不遵从、工具变量与处理效应识别；其中的相互影响发生在两种处理之间。
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…
处理交互作用与内生参与
- 研究问题
- 在两种处理的析因随机实验或准实验中，若实际参与内生且两种处理相互影响，工具变量估计量能够解释哪些因果效应？
- 方法与思路
- 作者允许两个分配工具影响实际参与，并在更一般的遵从条件下推导工具变量估计量的因果解释，另提出辅助条件与界限策略。
- 材料陈述的贡献
- 摘要称，当部分个体的参与同时受两个工具影响时，处理交互作用与效应异质性难以分离；所提条件和界限可帮助缩小目标参数范围。
- 阅读关注点
- 应核对遵从类型如何定义、两个工具如何共同影响参与，以及辅助条件和界限分别识别什么参数；并检查大学生项目中的解释。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断具体遵从条件、界限是否锐利或实证效应大小；处理之间的相互影响也不能直接解释为个体间干扰。
原文摘要
ABSTRACT We study causal inference in randomized experiments (or quasi‐experiments) following a factorial design. There are two treatments, denoted and , and units are randomly assigned to one of four categories: treatment alone, treatment alone, joint treatment, or none. Allowing for endogenous non‐compliance with the two binary instruments representing the intended assignment, as well as unrestricted interference across the two treatments, we derive the causal interpretation of various instrumental variable estimands under more general compliance conditions than in the literature. In general, if treatment takeup is driven by both instruments for some units, it becomes difficult to separate treatment interaction from treatment effect heterogeneity. We provide auxiliary conditions and various bounding strategies that may help zero in on causally interesting parameters. We apply our results to a program randomly offering two different treatments to first‐year college students, namely, tutoring and financial incentives, in order to assess the effect of the treatments on academic performance.