Quantile Treatment Effects in High Dimensional Panel Data
高维面板数据中的分位数处理效应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：摘要明确结合高维面板、合成控制和处理组分位数因果效应。
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…
高维面板数据中的分位数处理效应
- 研究问题
- 当面板的单位数与时期数都较大、只有一个或少数单位受到干预时，如何估计处理组的分位数因果效应及其不确定性？
- 方法与思路
- 作者将广义合成控制扩展到分位数处理效应，先用控制组估计随分位数变化的因子，再用处理单位的分位回归估计效应。
- 材料陈述的贡献
- 摘要称建立估计量的渐近性质并提出自助推断程序，以模拟研究支持方法，同时提供中国 2008 年刺激计划的实证应用。
- 阅读关注点
- 应核对处理组分位效应的定义、反事实因子结构与识别条件，以及大样本路径、因子估计误差和自助法有效性所需限制。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。摘要未说明完整识别假设、渐近条件或应用结果，不能将分位效应解释为个体效应分位数。
原文摘要
We introduce novel estimators for quantile causal effects with high dimensional panel data (large $N$ and $T$), where only one or a few units are affected by the intervention or policy. Our method extends the generalized synthetic control method \citep{xu_2017} from average treatment effects on the treated to quantile treatment effects on the treated, allowing the underlying factor structure to change across the quantile of the interested outcome distribution. Our method involves estimating the quantile-dependent factors using the control group, followed by a quantile regression to estimate the quantile treatment effect using the treated units. We establish the asymptotic properties of our estimators and propose a bootstrap procedure for statistical inference, supported by simulation studies. An empirical application of the 2008 China Stimulus Program is provided.