「IV 估出 −1,而每个人的效应都是正的」:单调性假设如何单独决定符号
【锚点】这一篇只钉一个判断:【工具变量估计的不是「效应」,是「被工具推动的那部分人的效应,按一个可能为负的权重做的加权平均」;符号由单调性假设单独决定,不由数据决定。】
一、【显式】先把 Wald 比值拆开。Z 是二元随机分配(如「是否被鼓励接种」),D 是二元处理(是否接种)。按潜在处理状态把人分成四类:always-taker、never-taker、complier、defier。
【流程节点链路】:起点【潜在结果框架下的四个 compliance 类型与比例 p_a, p_n, p_c, p_d】→ 中间节点①【排他性:Z 只通过 D 影响 Y】→ 中间节点②【Cov(D,Z) = p_c − p_d】→ 中间节点③【Cov(Y,Z) = p_c·τ_c − p_d·τ_d】→ 终点【Wald = (p_c·τ_c − p_d·τ_d)/(p_c − p_d)】。
二、【隐式】代一组数进去。设 p_c = 0.10、τ_c = +3;p_d = 0.20、τ_d = +1;always/never-taker 的效应为 0。这时每一个人的效应都 ≥ 0,ATE = 0.1×3 + 0.2×1 = +0.5。但 Wald = (0.3 − 0.2)/(0.1 − 0.2) = 【−1】。第一阶段是负的,IV 报出一个「处理有害」的结论,而真实世界里没有任何一个人被伤害。这不是数值事故,是恒等式。
如果单调性成立(p_d = 0),同一个工具给出 Wald = τ_c = 3,即 LATE:complier 的平均效应,是 ATE 的六倍。同一份数据、同一个工具,「效应」从 +3 变成 −1,中间只换了一个关于「不存在的人群」的假设。
三、【细微】单调性不可检验,因为它是关于 defier 这一群人的断言,而 defier 与 complier 在观测上不可分——两者在 (Z,D) 的四个单元格里贡献同样的计数。任何号称「检验单调性」的做法,实际检验的都是更强的参数假设(常效应、或 Z 对 D 的同质效应)。Balke–Pearl 的界在放弃单调性后可以把识别区间撑到覆盖 0 的两侧:这不是估计精度问题,是识别问题。
四、【极难发现】还有一层:多值工具变量下,即使单调性成立,权重也可能为负(Angrist–Imbens 1995;Mogstad–Wiswall 的 instrument-propensity 加权)。所以「单调性」不是唯一能翻符号的假设——真正的盲点是,LATE 的「局部」不是地理局部,是【类型局部】。政策问的是「推广到全体会怎样」,那是另一个参数(policy-relevant treatment effect),不能靠 IV 点估计外推。
五、可操作的敏感性边界。符号翻转需要 (p_c τ_c − p_d τ_d)/(p_c − p_d) < 0 且 p_c > p_d,即 【p_d/p_c > τ_c/τ_d】。上例中 τ_c/τ_d = 3,所以只要 defier 比例超过 complier 的 3 倍,符号就翻。这是一条可以写进论文的、可算的边界,比「假设不可检验所以算了」有用得多。
【结论】在「随机鼓励」这类设计里,第一阶段为负几乎总该被当作放弃该工具的理由,而不是当作一个待解释的发现。
【问题】如果一篇论文报 IV = −1、第一阶段为负,你会要求作者报告 p_d 的上界(敏感性分析),还是直接判定工具无效?这两条路给出的是不同的审稿标准。







0 評論