Identification and wavelet estimation of weighted ATE under discontinuous and kink incentive assignment mechanisms
不连续与折点激励分配机制下加权平均处理效应的识别及小波估计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。
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：摘要直接研究不连续与折点激励机制下加权平均处理效应的识别、估计和识别稳健推断，属于因果推断。
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
不连续与折点激励分配机制下加权平均处理效应的识别及小波估计
- 研究问题
- 当个体处理选择受不连续或折点激励以及不可观测特征影响时，如何识别、估计并推断加权平均处理效应？
- 方法与思路
- 作者在转换机制模型中分别研究两类激励分配机制，提出局部小波估计、相应渐近推断及识别稳健的小波估计方法。
- 材料陈述的贡献
- 摘要称论文建立加权平均处理效应的识别结果、局部小波估计的最优收敛率与渐近正态性，并通过模拟与局部多项式比较。
- 阅读关注点
- 应核对目标效应的权重含义、两类机制各自的识别条件，以及小波选择、最优速率和识别稳健性的具体定义。
- 阅读边界
- 所给出版社摘要未给出识别假设、收敛率表达式或模拟比较结果；不能据此认定小波估计普遍优于局部多项式。
原文摘要
This paper studies identification, estimation, and inference of a weighted average treatment effect (W-ATE) parameter in a class of switching regime models, where the agent’s selection of treatment is affected by either a discontinuous or kink incentive assignment mechanism and some unobservable characteristic. For each assignment mechanism, we (i) establish identification and propose a local wavelet estimator of the W-ATE; (ii) establish asymptotic properties of the local wavelet estimator including optimal convergence rate and asymptotic normality; and (iii) investigate the finite sample performance of the local wavelet estimators and compare them with local polynomial estimators via an extensive simulation study. We also propose an identification-robust wavelet estimator of the W-ATE.