Matching points: Supplementing instruments with covariates in triangular models
匹配点：在三角模型中用协变量补充工具变量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。
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：摘要研究内生三角模型的结果函数识别，并以教育回报和项目参与选择为应用。
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
匹配点：在三角模型中用协变量补充工具变量
- 研究问题
- 当离散内生变量的取值多于工具变量时，能否借助协变量补足识别信息，实现非可分结果函数的点识别？
- 方法与思路
- 作者匹配协变量与工具变量组合；结果函数须对标量扰动单调，离散内生变量的一阶段采用允许多维异质性的多指标结构。
- 材料陈述的贡献
- 摘要称，匹配方法恢复阶条件并实现结果函数点识别，同时提供估计量，以教育回报和 Head Start 参与选择说明用途与局限。
- 阅读关注点
- 应核对匹配点存在及可比性的条件、协变量提供额外信息的依据，以及单调性和多指标结构对识别的作用。
- 阅读边界
- 仅据所给 OpenAlex 摘要版本；匹配条件、支持集要求及估计推断细节未说明，不能推断后续刊本变化。
原文摘要
Models with a discrete endogenous variable and an instrument that takes on fewer values are common in economics. This paper presents a new method that matches pairs of covariates and instruments to restore the order condition in this scenario and to achieve point-identification of the outcome function. The outcome function must be monotonic in a scalar disturbance, but it can be nonseparable. The first stage for the discrete endogenous variable needs to have a multi-index structure but allows for multidimensional heterogeneity. This paper also provides estimators of the outcome function. Two empirical examples of the return to education and of selection into Head Start illustrate the usefulness and limitations of the method.