Causal Inference for Heterogeneous Extreme Quantiles with Heavy-Tailed Outcomes
重尾结果下异质极端分位数的因果推断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：摘要直接估计观察研究中的条件极端分位数处理效应，并分析群体异质性，对应因果推断和分布效应。
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…
重尾结果下异质极端分位数的因果推断
- 研究问题
- 在重尾结果的观察研究中，如何估计不同协变量群体的条件极端分位数处理效应，并为尾部外推提供有效的统计推断？
- 方法与思路
- 作者先用逆概率加权分位数回归估计中间分位数，再借助极值理论外推，并分别利用条件与边际信息构造希尔型尾指数估计。
- 材料陈述的贡献
- 摘要称在线性条件分位数模型下建立共同尾指数结果及加权尾部分位数得分过程的弱收敛，工资应用显示大学教育效应的尾部异质性。
- 阅读关注点
- 应核对观察研究的因果识别条件、线性分位数限制、中间阈值和外推水平，以及得分过程与最终外推所需条件的区别。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。摘要对不需最大吸引域条件的陈述针对得分过程，不能据此免除所有尾部外推条件。
原文摘要
We propose a framework for estimating conditional extreme quantile treatment effects (CEQTEs) in observational studies with heavy-tailed outcomes. Our procedure first estimates intermediate conditional quantiles using inverse-probability-weighted (IPW) quantile regression and then extrapolates them to extreme levels using extreme value theory. Under a linear conditional quantile model, we show that the conditional and marginal distributions of each potential outcome share a common extreme value index (EVI), motivating two complementary Hill-type EVI estimators based on conditional and marginal information, respectively. On the theoretical front, we introduce an IPW tail quantile score process that bridges regression quantile score processes and uniform tail empirical processes while accounting for treatment assignment. We establish its functional weak convergence under mild regularity conditions, without requiring a max-domain-of-attraction condition. This result provides the probabilistic foundation for the asymptotic analysis of the proposed CEQTE estimators. Simulation studies demonstrate favorable finite-sample performance, and an application to NLSY79 data reveals substantial heterogeneity in the effect of college education on extremely high hourly wages across confounder-defined subpopulations.