Extreme Quantile Treatment Effects under Endogeneity
内生性下的极端分位数处理效应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。
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：摘要直接研究内生处理下的极端分位数处理效应，并提及工具变量与断点回归设计。
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
内生性下的极端分位数处理效应
- 研究问题
- 当处理变量存在内生性、极端尾部观测稀少时，如何估计极端分位数处理效应，并在不同研究设计中进行推断？
- 方法与思路
- 作者利用正则变动与子抽样构造极端分位数处理效应的估计和推断方法，摘要称适用于工具变量和断点回归等设计。
- 材料陈述的贡献
- 摘要称模拟支持理论性质；401(k) 参与的净储蓄应用报告最高收入分位处效应显著为负，与中间分位的既有正效应不同。
- 阅读关注点
- 应核对各设计的识别条件、尾部正则变动与分位水平选择、子抽样实施，以及应用中结果分位数与收入分组的含义。
- 阅读边界
- 仅据所给 OpenAlex 摘要版本解读；摘要未说明具体识别与尾部条件，应用的分位对象表述需查全文，不能推断刊本变化。
原文摘要
We introduce a novel method for estimating and conducting inference about extreme quantile treatment effects (QTEs) in the presence of endogeneity. Our approach is applicable to a broad range of empirical research designs, including instrumental variables design and regression discontinuity design, among others. By leveraging regular variation and subsampling, the method ensures good performance even in extreme tails, where data may be sparse. Simulation studies confirm the theoretical properties of our approach. Applying our method to assess the effects of 401(k) participation on net savings, we find significantly negative QTEs for the highest quantiles of the income distribution contrasting with the previously reported positive effects in the intermediate quantiles.