Heterogeneous Coefficients, Control Variables, and Identification of Multiple Treatment Effects
异质系数、控制变量与多重处理效应的识别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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确讨论多重处理的因果效应识别，并将结果扩展至分布和分位数处理效应，因此对应因果推断与分布效应。
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
异质系数、控制变量与多重处理效应的识别
- 研究问题
- 当多个处理同时存在，且处理效应具有多维异质性、处理选择存在内生性时，如何利用控制变量识别平均及分布处理效应？
- 方法与思路
- 作者采用处理虚拟变量的异质系数线性模型，通过控制变量研究识别；对互斥处理，结合条件均值独立与广义倾向得分条件。
- 材料陈述的贡献
- 摘要称给出平均处理效应识别的充要条件，并扩展至分布、分位数及已处理者效应，推广经典二元处理识别结果。
- 阅读关注点
- 应核对控制变量的定义和来源、条件均值独立的含义，以及互斥处理下倾向得分远离零、得分之和远离一的作用。
- 阅读边界
- 这是 arXiv 预印本，不能据此声称已经同行评审或期刊接收；摘要未说明一般非互斥情形的完整条件及具体估计程序。
原文摘要
Multidimensional heterogeneity and endogeneity are important features of models with multiple treatments. We consider a heterogeneous coefficients model where the outcome is a linear combination of dummy treatment variables, with each variable representing a different kind of treatment. We use control variables to give necessary and sufficient conditions for identification of average treatment effects. With mutually exclusive treatments we find that, provided the heterogeneous coefficients are mean independent from treatments given the controls, a simple identification condition is that the generalized propensity scores (Imbens, 2000) be bounded away from zero and that their sum be bounded away from one, with probability one. Our analysis extends to distributional and quantile treatment effects, as well as corresponding treatment effects on the treated. These results generalize the classical identification result of Rosenbaum and Rubin (1983) for binary treatments.