Inference on individual treatment effects in nonseparable triangular models
非可分三角模型中个体处理效应的推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究内生处理下的个体因果效应，并以其密度和统一置信带为推断对象，支持因果推断与分布效应分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
非可分三角模型中个体处理效应的推断
- 研究问题
- 在二元内生处理与二元工具变量的非可分三角模型中，如何对个体处理效应的密度进行有效的点态和统一推断？
- 方法与思路
- 作者分析使用估计个体处理效应的核密度估计量，计入生成变量误差，提出标准误、偏差修正及自助法统一置信带。
- 材料陈述的贡献
- 摘要称建立了既有密度估计量的渐近正态性，并指出个体效应估计误差不可忽略，进而提供相应的有效推断方法。
- 阅读关注点
- 应核对秩不变假设与工具变量识别条件、带宽和边界处理，以及第一步估计误差、偏差修正对置信带覆盖率的影响。
- 阅读边界
- 仅据所给出版社摘要，无法判断完整正则条件与有限样本覆盖表现；识别依赖秩不变假设，不能推定一般个体效应可识别。
原文摘要
In nonseparable triangular models with a binary endogenous treatment and a binary instrumental variable, Vuong and Xu (2017) established identification results for individual treatment effects (ITEs) under the rank invariance assumption. Using their approach, Feng et al. (2019) proposed a uniformly consistent kernel estimator for the density of the ITE that utilizes estimated ITEs. In this paper, we establish the asymptotic normality of the density estimator of Feng et al. (2019) and show that the ITE estimation errors have a non-negligible effect on the asymptotic distribution of the estimator. We propose asymptotically valid standard errors that account for ITEs estimation, as well as a bias correction. Furthermore, we develop uniform confidence bands for the density of the ITE using the jackknife multiplier or nonparametric bootstrap critical values.