On the instrumental variable estimation with many weak and invalid instruments
大量弱且无效工具变量下的工具变量估计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：摘要讨论工具有效性未知时线性 IV 模型的识别，并应用于 BMI 对血压的效应估计。
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…
大量弱且无效工具变量下的工具变量估计
- 研究问题
- 在线性工具变量模型中，当工具有效性未知且单个工具可能较弱时，如何建立识别并同时选择有效结构和估计目标参数？
- 方法与思路
- 作者在与多数簇规则等价的最稀疏规则下分析非凸惩罚，提出与识别条件相配合的代理稀疏惩罚，并比较两阶段选择方法。
- 材料陈述的贡献
- 摘要称，方法在选择一致性与容纳个体弱工具方面具有理论优势，所需强度条件弱于既有文献，并用于 BMI 与舒张压的研究。
- 阅读关注点
- 应核对最稀疏规则与多数簇规则的等价关系、工具强度及数量的渐近设定、惩罚调参与优化，以及选择后的估计和推断。
- 阅读边界
- 所给版本为 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未列出强度条件及比较范围，不能认为任意无效工具都可处理。
原文摘要
We discuss the fundamental issue of identification in linear instrumental variable (IV) models with unknown IV validity. With the assumption of the "sparsest rule", which is equivalent to the plurality rule but becomes operational in computation algorithms, we investigate and prove the advantages of non-convex penalized approaches over other IV estimators based on two-step selections, in terms of selection consistency and accommodation for individually weak IVs. Furthermore, we propose a surrogate sparsest penalty that aligns with the identification condition and provides oracle sparse structure simultaneously. Desirable theoretical properties are derived for the proposed estimator with weaker IV strength conditions compared to the previous literature. Finite sample properties are demonstrated using simulations and the selection and estimation method is applied to an empirical study concerning the effect of BMI on diastolic blood pressure.