The identification power of smoothness assumptions in models with counterfactual outcomes
反事实结果模型中平滑性假设的识别能力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：摘要的核心对象是反事实结果与平均处理效应的部分识别及假设敏感性。
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…
反事实结果模型中平滑性假设的识别能力
- 研究问题
- 对处理响应函数施加平滑性约束，能够识别多少平均反事实结果与平均处理效应，又能将现有界限收紧多少？
- 方法与思路
- 作者推导平滑性约束下的部分识别结果，并改变平滑程度开展敏感性分析，以教育回报和培训时长应用说明。
- 材料陈述的贡献
- 摘要称获得新的平均处理响应与处理效应界限，并指出平滑性可进一步收紧单调处理响应和单调选择下的界限。
- 阅读关注点
- 应核对平滑性的数学定义、其与单调性约束的组合方式，以及敏感性参数如何对应有经济意义的限制强度。
- 阅读边界
- 仅据所给出版社摘要，无法判断具体界限公式及收紧幅度；平滑性在实际中是否成立未知，也不推断版本变化。
原文摘要
In this paper, we investigate what can be learned about average counterfactual outcomes as well as average treatment effects when it is assumed that treatment response functions are smooth. We obtain a set of new partial identification results for both the average treatment response and the average treatment effect. In particular, we find that the monotone treatment response and monotone treatment selection bound of Manski and Pepper, 2000 can be further tightened if we impose the smoothness conditions on the treatment response. Since it is unknown in practice whether the imposed smoothness restriction is met, it is desirable to conduct a sensitivity analysis with respect to the smoothness assumption. We demonstrate how one can carry out a sensitivity analysis for the average treatment effect by varying the degrees of smoothness assumption. We illustrate our findings by reanalyzing the return to schooling example of Manski and Pepper, 2000 and also by measuring the effect of the length of job training on the labor market outcomes.