Heterogeneous Treatment Effects and Causal Mechanisms
异质性处理效应与因果机制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：摘要以异质性处理效应支持因果机制推断的条件为核心，明确属于因果推断与研究设计。
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
异质性处理效应与因果机制
- 研究问题
- 根据处理前协变量发现处理效应异质性，何时能够推断某种因果机制被激活；未发现异质性又能否排除机制作用？
- 方法与思路
- 作者建立解释框架，分析异质性处理效应与机制激活之间的逻辑关系，重点考察额外排除假设及正反向推断的差异。
- 材料陈述的贡献
- 摘要称，机制推断需要额外排除假设；即使这些假设成立，存在异质性可支持机制激活，而缺乏异质性通常信息有限。
- 阅读关注点
- 核对排除假设的准确内容、机制激活的定义，以及结论适用的设计范围，并区分没有异质性与统计检验未检出的情形。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列出形式化假设和证明，不能直接用异质性结果认定具体机制。
原文摘要
The credibility revolution advances the use of research designs that permit identification and estimation of causal effects. However, understanding which mechanisms produce measured causal effects remains a challenge. The dominant current approach to the quantitative evaluation of mechanisms relies on the detection of heterogeneous treatment effects (HTEs) with respect to pre-treatment covariates. This paper develops a framework to understand when the existence of such heterogeneous treatment effects can support inferences about the activation of a mechanism. We show first that this design cannot provide evidence of mechanism activation without additional, generally implicit, exclusion assumptions. Further, even when these assumptions are satisfied, the presence of HTEs supports the inference that mechanism is active but the absence of HTEs is generally uninformative about mechanism activation. We provide novel guidance for interpretation and research design in light of these findings.