Distributional Treatment Effect with Latent Rank Invariance
潜在秩不变性下的分布处理效应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：摘要直接研究潜在结局框架下处理效应分布的识别、估计和推断。
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
潜在秩不变性下的分布处理效应
- 研究问题
- 同一个体的两个潜在结局无法同时观测，如何利用潜在异质性及代理变量识别个体处理效应分布，而不限于平均效应？
- 方法与思路
- 作者假设两个潜在结局给定潜变量后条件独立，借助两个代理变量识别目标；实施中采用有限混合结构和 Neyman 正交估计。
- 材料陈述的贡献
- 摘要称识别并估计由矩条件识别的分布处理效应参数，包括处理效应边际分布，并建立估计量渐近正态性以支持推断。
- 阅读关注点
- 应核对两个代理变量须满足的条件、潜在条件独立与秩不变解释的关系，以及有限支持设定和正交估计的速率要求。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明代理变量的完整限制，处理效应分布识别依赖潜在结构。
原文摘要
Treatment effect heterogeneity is of great concern in policy evaluation. However, existing analyses have mostly been limited to summary measures such as an average treatment effect, due to the fundamental limitation that we cannot simultaneously observe both potential outcomes for a given unit. In this paper, I identify and estimate moment-identified distributional treatment effect (DTE) parameters, such as the marginal distribution of treatment effect. The key identifying assumption is that the two potential outcomes are conditionally independent given a latent variable. Interpreting this latent variable as underlying individual-level heterogeneity, I motivate the identifying assumption as `latent rank invariance.' In the conditional independence framework, the DTE parameters are identified given two proxy variables. In implementation, I assume a finite support on the latent variable, imposing a finite mixture structure on the identifying assumption. Using Neyman orthogonality, I establish asymptotic normality of the estimator, enabling inference for DTE parameters.