Estimation of Heterogeneous Individual Treatment Effects With Endogenous Treatments
内生处理下异质性个体处理效应的估计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。
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：摘要直接估计内生处理下的个体处理效应及其总体密度，因此对应因果推断与分布效应方向。
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
内生处理下异质性个体处理效应的估计
- 研究问题
- 在二元处理具有内生性的三角模型中，如何估计样本个体的处理效应，并进一步恢复总体个体处理效应的概率分布？
- 方法与思路
- 作者先估计每个观测单位的反事实结果与个体处理效应，再估计总体效应密度，并研究渐近性质及有限样本表现。
- 材料陈述的贡献
- 摘要称，该方法避免反演非线性泛函所伴随的不适定问题；401(k) 应用中多数效应为正，也存在小比例显著负效应。
- 阅读关注点
- 应核对个体反事实可识别的完整条件、三角模型对异质性的限制，以及第一步估计误差如何传递到效应密度估计。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明识别所需限制，不能认为一般内生处理数据都能识别个体效应。
原文摘要
This article estimates individual treatment effects (ITE) and its probability distribution in a triangular model with binary-valued endogenous treatments. Our estimation procedure takes two steps. First, we estimate the counterfactual outcome and hence, the ITE for every observational unit in the sample. Second, we estimate the ITE density function of the whole population. Our estimation method does not suffer from the ill-posed inverse problem associated with inverting a nonlinear functional. Asymptotic properties of the proposed method are established. We study its finite sample properties in Monte Carlo experiments. We also illustrate our approach with an empirical application assessing the effects of 401(k) retirement programs on personal savings. Our results show that there exists a small but statistically significant proportion of individuals who experience negative effects, although the majority of ITEs is positive. Supplementary materials for this article are available online.