Titelaufnahme

Titel
Correcting for misclassied binary regressors using instrumental variables / Steven J. Haider (Michigan State University and IZA), Melvin Stephens Jr. (University of Michigan and NBER) ; IZA Institute of Labor Economics
VerfasserHaider, Steven ; Stephens, Melvin
KörperschaftForschungsinstitut zur Zukunft der Arbeit
ErschienenBonn, Germany : IZA Institute of Labor Economics, August 2020
Ausgabe
Elektronische Ressource
Umfang1 Online-Ressource (64 Seiten) : Diagramme
SerieDiscussion paper ; no. 13593
URLVolltext
URNurn:nbn:de:hbz:5:2-867851 
Zugänglichkeit
 Das Dokument ist öffentlich zugänglich im Rahmen des deutschen Urheberrechts.
Volltexte
Correcting for misclassied binary regressors using instrumental variables [0.77 mb]
Links
Nachweis
Verfügbarkeit In meiner Bibliothek
Zusammenfassung

Estimators that exploit an instrumental variable to correct for misclassification in a binary regressor typically assume that the misclassification rates are invariant across all values of the instrument. We show that this assumption is invalid in routine empirical settings. We derive a new estimator that is consistent when misclassification rates vary across values of the instrumental variable. In cases where identification is weak, our moments can be combined with bounds to provide a confidence set for the parameter of interest.

Nutzungshinweis
 Das Medienwerk ist im Rahmen des deutschen Urheberrechts nutzbar.