Generalized instrumental variable models
Generalized instrumental variable models
复制标题
广义工具变量模型
DOI：
--
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
A. Rosen
中科院分区：
文献类型：
--
作者：
A. Chesher;A. Rosen
在现代微观计量经济学中，允许灵活形式的未观察到的异质性的能力是必不可少的组成部分。在本文中，我们将工具变量（IV）模型的应用扩展到一类广泛的问题，其中不可观察变量的多个值可以与观察到的内源性和外源性变量的特定组合相关联。在我们的广义工具变量（GIV）模型中，与传统的IV模型相比，从未观察到的异质性到内生变量的映射不需要承认唯一的逆。这类GIV模型允许不可观察的变量是多元的，并且不可分割地进入内生变量的确定中，从而消除了不可观察异质性作用的强大实际限制。重要的例子包括离散或混合连续/离散结果和连续不可观测的模型，以及具有过度异质性的模型，其中多个不可观测变量（如随机系数）的不同值的许多组合可以提供相同的结果实现。我们使用随机集理论的工具来研究这些模型中的识别，并提供识别的结构集的清晰特征。我们演示了将我们的分析应用于具有区间截除内生解释变量的连续结果模型。
The ability to allow for flexible forms of unobserved heterogeneity is an essential ingredient in modern microeconometrics. In this paper we extend the application of instrumental variable (IV) models to a wide class of problems in which multiple values of unobservable variables can be associated with particular combinations of observed endogenous and exogenous variables. In our Generalised Instrumental Variable (GIV) models, in contrast to traditional IV models, the mapping from unobserved heterogeneity to endogenous variables need not admit a unique inverse. The class of GIV models allows unobservables to be multivariate and to enter nonseparably into the determination of endogenous variables, thereby removing strong practical limitations on the role of unobserved heterogeneity. Important examples include models with discrete or mixed continuous/discrete outcomes and continuous unobservables, and models with excess heterogeneity where many combinations of different values of multiple unobserved variables, such as random coefficients, can deliver the same realisations of outcomes. We use tools from random set theory to study identification in such models and provide a sharp characterisation of the identified set of structures admitted. We demonstrate the application of our analysis to a continuous outcome model with an interval-censored endogenous explanatory variable.
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