Assessing Sensitivity to Unconfoundedness: Estimation and Inference
评估对无混杂假设的敏感性：估计与推断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。
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：摘要明确研究无混杂假设放松下的 ATE、ATT 界限及敏感性推断，直接对应因果推断方向。
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…
评估对无混杂假设的敏感性：估计与推断
- 研究问题
- 基于无混杂假设估计的 ATE 和 ATT，在允许有限不可观测选择后有多稳健，如何对这种敏感性进行统计推断？
- 方法与思路
- 作者用标量参数 c 对无混杂假设作非参数放松，估计处理效应界限，并用非标准自助法构造对所有 c 一致的置信带。
- 材料陈述的贡献
- 摘要称提供效应界限及一致置信带，较大 c 下界限达到无假设界限，并给出就业项目应用与 Stata 模块 tesensitivity。
- 阅读关注点
- 应核对 c 的概率含义、选择限制与效应界限的推导、非标准自助法处理的非光滑性，以及置信带的一致覆盖条件。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要解读；摘要未说明具体放松条件、实证敏感性阈值或软件当前状态，也不能推断后续刊本变化。
原文摘要
This article provides a set of methods for quantifying the robustness of treatment effects estimated using the unconfoundedness assumption. Specifically, we estimate and do inference on bounds for various treatment effect parameters, like the Average Treatment Effect (ATE) and the average effect of treatment on the treated (ATT), under nonparametric relaxations of the unconfoundedness assumption indexed by a scalar sensitivity parameter c. These relaxations allow for limited selection on unobservables, depending on the value of c. For large enough c, these bounds equal the no assumptions bounds. Using a nonstandard bootstrap method, we show how to construct confidence bands for these bound functions which are uniform over all values of c. We illustrate these methods with an empirical application to the National Supported Work Demonstration program. We implement these methods in the companion Stata module tesensitivity for easy use in practice.