Counterfactual analysis under partial identification using locally robust refinement
部分识别下的反事实分析：局部稳健细化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：摘要围绕多重均衡结构模型、集合识别和反事实预测展开，核心是结构模型中参数子集的选择，故归入结构估计。
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
部分识别下的反事实分析：局部稳健细化
- 研究问题
- 当结构模型存在多个约化形式或多重均衡、参数仅被集合识别时，如何在与数据同样相容的参数中选择反事实预测更稳健的子集？
- 方法与思路
- 作者提出按反事实预测对约化形式局部扰动的稳健性细化识别集，给出所选子集的表示，并以矩不等式模型及上端编码数据应用说明。
- 材料陈述的贡献
- 摘要称，经验上等价的参数可产生不同局部稳健性的反事实预测；所给子集表示有助于简化实现，为反事实分析中的参数筛选提供依据。
- 阅读关注点
- 阅读时应核对局部扰动与稳健性的定义、细化子集的构造条件，以及矩不等式和上端编码应用中，参数筛选如何改变反事实预测。
- 阅读边界
- 摘要未说明扰动范围、细化是否唯一及实证应用的具体结果；局部稳健性本身不能证明所选均衡真实，也不能推出对任意扰动稳健。
原文摘要
Summary Structural models that admit multiple reduced forms, such as game‐theoretic models with multiple equilibria, pose challenges in practice, especially when parameters are set identified and the identified set is large. In such cases, researchers often choose to focus on a particular subset of equilibria for counterfactual analysis, but this choice can be hard to justify. This paper shows that some parameter values can be more “desirable” than others for counterfactual analysis, even if they are empirically equivalent given the data. In particular, within the identified set, some counterfactual predictions can exhibit more robustness than others against local perturbations of the reduced forms (e.g., the equilibrium selection rule). We provide a representation of this subset, which can be used to simplify the implementation. We illustrate our message using moment inequality models and provide an empirical application based on a model with top coded data.