INFERENCE ON EXTREME QUANTILES OF UNOBSERVED INDIVIDUAL HETEROGENEITY
未观测个体异质性极端分位数的推断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：摘要直接研究面板个体异质性分布的极端分位数，并分析企业生产率左尾。
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
未观测个体异质性极端分位数的推断
- 研究问题
- 在面板和元分析中，仅能获得带噪声的异质性估计时，如何对异质系数或处理效应分布的极端分位数进行推断？
- 方法与思路
- 作者刻画噪声估计对极端分位数有信息的充要条件，推导极值与中间次序统计量定理，构造无需优化的置信区间。
- 材料陈述的贡献
- 摘要称给出速率与矩条件和简单区间，模拟支持覆盖率表现；企业生产率应用未发现人口密集地区选择更强的证据。
- 阅读关注点
- 应核对噪声大小与尾部概率的相对速率、矩条件和分位数位置，以及企业应用中无显著证据与检验功效的关系。
- 阅读边界
- 仅据所给Crossref版本摘要；具体充要条件及区间公式未列出，未发现证据不等于不存在选择差异，刊本变化未知。
原文摘要
We develop a methodology for conducting inference on extreme quantiles of unobserved individual heterogeneity (e.g., heterogeneous coefficients and treatment effects) in panel data and meta-analysis settings. Inference is challenging in such settings: only noisy estimates of heterogeneity are available, and central limit approximations perform poorly in the tails. We derive a necessary and sufficient condition under which noisy estimates are informative about extreme quantiles, along with sufficient rate and moment conditions. Under these conditions, we establish an extreme value theorem and an intermediate order theorem for noisy estimates. These results yield simple optimization-free confidence intervals (CIs) for extreme quantiles. Simulations show that our CIs have favorable coverage and that the rate conditions matter for the validity of inference. We illustrate the method with an application to firm productivity differences across areas of varying population density. By analyzing the left tails of the productivity distributions, we find no evidence of stronger firm selection in more densely populated areas.