Testing Monotonicity of Mean Potential Outcomes in a Continuous Treatment with High-Dimensional Data
高维数据下连续处理平均潜在结果的单调性检验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：摘要明确研究连续处理的平均潜在结果，并以弱无混杂和去偏机器学习开展检验，直接属于因果推断。
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…
高维数据下连续处理平均潜在结果的单调性检验
- 研究问题
- 在连续处理和高维协变量情形下，如何检验平均潜在结果随处理剂量是否弱单调，并将结论连接到平均结构函数？
- 方法与思路
- 作者在弱无混杂假设下提出 Cramér–von Mises 型检验，以双重去偏机器学习估计灵活控制协变量，并讨论非可分结构模型。
- 材料陈述的贡献
- 摘要称，检验控制渐近尺寸且对固定备择一致；Job Corps 应用在相对低剂量范围拒绝培训时长与劳动表现的弱负向关系。
- 阅读关注点
- 应核对弱无混杂及其他识别条件、检验的剂量区间、机器学习误差要求，以及实证拒绝结论对应的具体单调性假设。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未列完整条件或数值，拒绝弱负向关系不等于证明全局正向单调。
原文摘要
While most treatment evaluations focus on binary interventions, a growing literature also considers continuously distributed treatments. We propose a Cramér-von Mises-type test for testing whether the mean potential outcome given a specific treatment has a weakly monotonic relationship with the treatment dose under a weak unconfoundedness assumption. In a nonseparable structural model, applying our method amounts to testing monotonicity of the average structural function in the continuous treatment of interest. To flexibly control for a possibly high-dimensional set of covariates in our testing approach, we propose a double debiased machine learning estimator that accounts for covariates in a data-driven way. We show that the proposed test controls asymptotic size and is consistent against any fixed alternative. These theoretical findings are supported by the Monte-Carlo simulations. As an empirical illustration, we apply our test to the Job Corps study and reject a weakly negative relationship between the treatment (hours in academic and vocational training) and labor market performance among relatively low treatment values.