Interpreting OLS Estimands When Treatment Effects Are Heterogeneous: Smaller Groups Get Larger Weights
处理效应异质时如何解释OLS估计目标：较小组获得较大权重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：摘要直接研究异质处理效应下OLS估计目标与平均因果效应的关系。
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
处理效应异质时如何解释OLS估计目标：较小组获得较大权重
- 研究问题
- 二元处理效应存在异质性时，加性线性回归中的OLS处理系数对应什么平均效应，处理组比例又如何改变其隐含权重？
- 方法与思路
- 作者将处理系数表示为两个参数的凸组合，分析其权重与组别比例的关系，并用两个应用及简单诊断工具说明解释问题。
- 材料陈述的贡献
- 摘要称，在特定条件下这两个参数可解释为处理组与未处理组平均效应，权重与组别比例反向相关，并提供R和Stata实现。
- 阅读关注点
- 应核对凸组合成立的模型条件、两个参数具有因果解释的额外要求，以及仅凭处理比例即可诊断的特殊情形究竟适用于何处。
- 阅读边界
- 摘要未列明因果解释和简化诊断所需条件；不能把所有OLS系数都理解为处理组与未处理组平均效应的同一种加权组合。
原文摘要
Abstract Applied work often studies the effect of a binary variable (“treatment”) using linear models with additive effects. I study the interpretation of the OLS estimands in such models when treatment effects are heterogeneous. I show that the treatment coefficient is a convex combination of two parameters, which under certain conditions can be interpreted as the average treatment effects on the treated and untreated. The weights on these parameters are inversely related to the proportion of observations in each group. Reliance on these implicit weights can have serious consequences for applied work, as I illustrate with two well-known applications. I develop simple diagnostic tools that empirical researchers can use to avoid potential biases. Software for implementing these methods is available in R and Stata. In an important special case, my diagnostics require only the knowledge of the proportion of treated units.