Semiparametric Estimation of Treatment Effects in Randomized Experiments
随机实验中处理效应的半参数估计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：摘要研究随机实验的处理效应估计，并明确讨论常数分位数处理效应及其加权表示，对应因果推断与分位数和分布效应。
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…
随机实验中处理效应的半参数估计
- 研究问题
- 在完全随机分配、样本较大、结果可能厚尾且处理效应较小的实验中，如何利用效应结构提高估计效率？
- 方法与思路
- 作者对处理效应采用参数模型、对结果分布保留半参数结构，推导效率界及有效估计量，并分析常数分位数效应情形。
- 材料陈述的贡献
- 摘要称一个有效估计量可解释为分位数处理效应的加权平均，权重取决于对数密度曲率，并提出容纳非对称性的稳健方法扩展。
- 阅读关注点
- 应核对效应参数模型的限制、密度光滑性与厚尾条件、权重的可估计性，以及非对称 Huber 模型和截尾均值扩展的定义。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核验。摘要未给出具体正则条件或数值比较，效率结论依赖所设效应模型。
原文摘要
We develop new semiparametric methods for estimating treatment effects. We focus on settings where the outcome distributions may be thick tailed, where treatment effects may be small, where sample sizes are large and where assignment is completely random. This setting is of particular interest in recent online experimentation. We propose using parametric models for the treatment effects, leading to semiparametric models for the outcome distributions. We derive the semiparametric efficiency bound for the treatment effects for this setting, and propose efficient estimators. In the leading case with constant quantile treatment effects one of the proposed efficient estimators has an interesting interpretation as a weighted average of quantile treatment effects, with the weights proportional to minus the second derivative of the log of the density of the potential outcomes. Our analysis also suggests an extension of Huber's model and trimmed mean to include asymmetry.