Confidence intervals for the quantile of treatment effects in randomized experiments
随机实验中处理效应分位数的置信区间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：摘要明确研究随机实验处理效应的分位数、部分识别及置信区间。
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
随机实验中处理效应分位数的置信区间
- 研究问题
- 随机实验无法直接观测个体两个潜在结果时，如何对处理效应分位数进行部分识别，并为其界及真实分位数构造置信区间？
- 方法与思路
- 作者提出尖锐界的非参数估计，采用既有方法构造界与真实分位数的置信区间，并在附加条件下提出次序统计量方法。
- 材料陈述的贡献
- 摘要称，建立尖锐界估计的渐近性质，提供两类置信区间构造，并通过模拟考察其有限样本表现；新方法需要额外条件。
- 阅读关注点
- 应核对处理效应分位数与结果分位数之差的区别、界的尖锐性，以及两类区间的覆盖对象、附加条件和边界情形。
- 阅读边界
- 仅据所给出版社摘要，无法判断一般条件与附加条件的具体内容、区间覆盖保证或模拟表现；随机化本身不意味着效应分位数点识别。
原文摘要
In this paper, we explore partial identification and inference for the quantile of treatment effects for randomized experiments. First, we propose nonparametric estimators of sharp bounds on the quantile of treatment effects and establish their asymptotic properties under general conditions. Second, we construct confidence intervals for the bounds and the true quantile by using the approach in Chernozhukov et al. (2009). Third, under additional conditions, we develop a new approach to construct confidence intervals for the bounds and the true quantile and refer to it as the order statistic approach. A simulation study is conducted to investigate the finite sample performance of both approaches.