Minimax Rate-Optimal Inference for Individualized Quantile Treatment Effects in High-dimensional Models
高维模型中个体化分位数处理效应的极小极大速率最优推断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：摘要直接研究处理效应及其随分位数水平和个体特征变化的异质性，因而对应因果推断与分位数、分布效应两个方向。
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
高维模型中个体化分位数处理效应的极小极大速率最优推断
- 研究问题
- 研究高维模型中如何同时刻画个体特征与分位数水平上的处理效应异质性，并构造具有最优精度界限的区间估计和检验。
- 方法与思路
- 作者提出个体化分位数处理效应的去偏估计量，建立随分位数变化的高斯过程弱收敛，并研究置信区间长度和检验检测边界。
- 材料陈述的贡献
- 摘要称建立了推断程序及其极小极大最优速率，并以模拟和NHANES数据展示方法表现；其优势适用范围需要结合全文条件判断。
- 阅读关注点
- 应核对个体化效应的具体定义、处理分配的识别条件、高维模型限制、分位数范围，以及最优性针对的参数空间与比较对象。
- 阅读边界
- 这是arXiv预印本，同行评审、期刊接收及刊本变化未核验；摘要未说明识别假设、最优速率表达式或有限样本数值结果。
原文摘要
The quantification of treatment effects plays an important role in a wide range of applications, including policy making and bio-pharmaceutical research. In this article, we study the quantile treatment effect (QTE) while addressing two specific types of heterogeneities: (a) personalized heterogeneity, which captures the varying treatment effects for different individuals, and (b) quantile heterogeneity, which accounts for how the impact of covariates varies across different quantile levels. A well-designed debiased estimator for the individualized quantile treatment effect (IQTE) is proposed to capture such heterogeneities effectively. We show that this estimator converges weakly to a Gaussian process as a function of the quantile levels and propose valid statistical inference methods, including the construction of confidence intervals and the development of hypothesis testing decision rules. In addition, the minimax optimality frameworks for these inference procedures are established. Specifically, we derive the minimax optimal rates for the expected length of confidence intervals and the magnitude of the detection boundary for hypothesis testing procedures, illustrating the superiority of the proposed estimator. The effectiveness of our methods is demonstrated through extensive simulations and an analysis of the National Health and Nutrition Examination Survey (NHANES) datasets.