PARTIAL IDENTIFICATION OF NONSEPARABLE MODELS USING BINARY INSTRUMENTS
PARTIAL IDENTIFICATION OF NONSEPARABLE MODELS USING BINARY INSTRUMENTS
复制标题
使用二元仪器对不可分离模型进行部分识别
DOI：
10.1017/s0266466620000353
复制
发表时间：
2020
影响因子：
0.8
通讯作者：
Ishihara Takuya
中科院分区：
文献类型：
--
作者：
上ヶ谷友佑;白川晋太郎;伊藤遼;大谷洋貴;Takuya Onoda;川野惠子;Kai Koike;Ishihara Takuya
在本研究中，我们探讨了具有连续内生和二元工具变量的不可分离模型的部分识别。我们证明了当结构函数在解释变量中为单调或凹时，结构函数是部分识别的。D 'Haultfœuille和f<s:1> vrier （2015, Econometrica 83(3), 1199-1210）和Torgovitsky （2015, Econometrica 83(3), 1185-1197）证明了结构函数的点识别是在内生变量的条件分布函数对于工具变量的不同值存在交集这一关键假设下进行的。我们证明，即使这个假设不成立，单调性和凹性提供了识别能力。当结构函数相对于解释变量在给定区间内是平坦或线性时，就可以实现点识别。我们使用实际数据计算边界，并证明我们的边界是有信息量的。
In this study, we explore the partial identification of nonseparable models with continuous endogenous and binary instrumental variables. We show that the structural function is partially identified when it is monotone or concave in the explanatory variable. D’Haultfœuille and Février (2015, Econometrica 83(3), 1199–1210) and Torgovitsky (2015, Econometrica 83(3), 1185–1197) prove the point identification of the structural function under a key assumption that the conditional distribution functions of the endogenous variable for different values of the instrumental variables have intersections. We demonstrate that, even if this assumption does not hold, monotonicity and concavity provide identification power. Point identification is achieved when the structural function is flat or linear with respect to the explanatory variable over a given interval. We compute the bounds using real data and show that our bounds are informative.
登录
查看更多内容
单调性假设下分位数的非参数界限：应用于意大利教育回报
影响因子：
2.1
作者：
Pamela Giustinelli
通讯作者：
Pamela Giustinelli
影响因子：
0.8
作者：
Carolina Caetano;J. Escanciano
通讯作者：
J. Escanciano
影响因子：
6.1
作者：
A. Chesher
通讯作者：
A. Chesher
识别无单调性的不可分离模型中的边际效应
影响因子：
6.1
作者：
Hoderlein;Mammen
通讯作者：
Mammen
影响因子：
13.7
作者：
Baird, Sarah;McIntosh, Craig;Oezler, Berk
通讯作者：
Oezler, Berk