Estimation of Treatment Effects in Extreme and Unobserved Data
极端与未观测数据中的处理效应估计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。
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：摘要直接研究因果处理效应，并以极值理论刻画结果分布的尾部。
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…
极端与未观测数据中的处理效应估计
- 研究问题
- 当政策影响主要体现在罕见但重要的极端事件中，观测样本不足时，如何借助适度外推估计这些事件上的因果处理效应？
- 方法与思路
- 作者提出极端处理效应框架，以多元正则变差刻画极端区域，构造估计量，并通过非渐近分析及合成、半合成数据考察其表现。
- 材料陈述的贡献
- 摘要称该框架将处理效应分析扩展至极端事件，给出一致估计量及严格的非渐近性能分析，并展示模拟数据中的表现。
- 阅读关注点
- 应核对极端处理效应的定义、因果识别与尾部外推条件，以及阈值选择、一致性和非渐近误差界所需的具体假设。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。摘要未说明具体识别条件、外推范围和误差界，不能判断实际政策中的可靠性。
原文摘要
Causal effect estimation seeks to determine the impact of an intervention from observational data. However, the existing causal inference literature primarily addresses treatment effects on frequently occurring events. But what if we are interested in estimating the effects of a policy intervention whose benefits, while potentially important, can only be observed and measured in rare yet impactful events, such as extreme climate events? The standard causal inference methodology is not designed for this type of inference since the events of interest may be scarce in the observed data and some degree of extrapolation is necessary. Extreme Value Theory (EVT) provides methodologies for analyzing statistical phenomena in such extreme regimes. We introduce a novel framework for assessing treatment effects in extreme data to capture the causal effect at the occurrence of rare events of interest. In particular, we employ the theory of multivariate regular variation to model extremities. We develop a consistent estimator for extreme treatment effects and present a rigorous non-asymptotic analysis of its performance. We illustrate the performance of our estimator using both synthetic and semi-synthetic data.