Bootstrap Inference for Quantile Treatment Effects in Randomized Experiments with Matched Pairs
配对随机实验中分位数处理效应的自助推断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：摘要明确研究配对随机实验中的分位数处理效应，直接对应因果推断及分位数与分布效应。
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…
配对随机实验中分位数处理效应的自助推断
- 研究问题
- 配对随机实验中，如何对分位数处理效应有效推断，同时处理配对内负相关并减轻多个调参量的选择负担？
- 方法与思路
- 作者提出两种自助法来逼近原分位数处理效应估计量的极限分布，其中一种采用逆倾向得分加权乘子自助法。
- 材料陈述的贡献
- 摘要称两种方法均能一致逼近目标极限分布；其中逆倾向得分加权乘子自助法无需知道观测的配对身份。
- 阅读关注点
- 应核对两种自助法如何保留配对依赖、各自的正则条件，以及不知道配对身份时倾向得分如何估计。
- 阅读边界
- 仅依据所给 Crossref 摘要；摘要未说明第二种方法的具体步骤、所需调参量或有限样本覆盖表现，不能判断其普遍优越性。
原文摘要
Abstract This paper examines methods of inference concerning quantile treatment effects (QTEs) in randomized experiments with matched-pairs designs (MPDs). Standard multiplier bootstrap inference fails to capture the negative dependence of observations within each pair and is therefore conservative. Analytical inference involves estimating multiple functional quantities that require several tuning parameters. Instead, this paper proposes two bootstrap methods that can consistently approximate the limit distribution of the original QTE estimator and lessen the burden of tuning parameter choice. Most especially, the inverse propensity score weighted multiplier bootstrap can be implemented without knowledge of pair identities.