处理变量误分类下的局部平均与边际处理效应

本文研究在二值处理变量存在误分类时，局部平均处理效应（LATE）与边际处理效应（MTE）的识别问题。我们推导了（广义）LATE的界，并利用其与MTE的关系进一步约束MTE。事实上，在一些标准假设下，MTE是给定工具变量的观测结果条件期望之变化与真实倾向得分之变化之比的极限，而后者是部分识别的。我们刻画了倾向得分的已识别集，进而刻画了MTE的已识别集。我们表明我们的LATE界比现有界更紧，并且在某些温和正则性条件下MTE的符号是局部可识别的。我们利用MTE界推导了文献中其他常用参数的界，并通过数值与实证结果说明了我们所推导界的实践相关性。