Identification and Bounding of Central Moments of Causal Effects Using Marginal Moments Information
利用边际矩信息识别并界定因果效应的中心矩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：摘要直接研究个体因果效应的识别及其分布形状与异质性，支持因果推断和分位数与分布效应分类。
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
利用边际矩信息识别并界定因果效应的中心矩
- 研究问题
- 仅知道各潜在结果的边际中心矩时，能否识别或界定个体因果效应的中心矩，以描述处理效应异质性？
- 方法与思路
- 作者以潜在结果的边际中心矩为信息基础，研究个体因果效应中心矩的识别与界定，并用两个实证案例说明。
- 材料陈述的贡献
- 摘要所述贡献是以边际矩信息研究效应分布形状，降低对完整潜在结果边际分布信息的依赖。
- 阅读关注点
- 应核对哪些阶数的中心矩可以识别、哪些只能给出界，以及界是否锐利、所需边际矩如何从数据获得。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明具体识别条件、界的形式及案例结果。
原文摘要
Evaluating the causal effect of a treatment on an outcome is a central objective in causal inference. While the average causal effect summarizes the mean impact of treatment, the central moments of the individual causal effect (ICE) characterize the shape of the ICE distribution, thereby revealing the extent and structure of treatment effect heterogeneity across individuals. This paper investigates the identification and bounding of the central moments of the ICE using only the marginal central moments of each potential outcome (PO). Compared with existing approaches that require knowledge of the full marginal distributions of the POs, marginal moment information is often substantially easier to obtain in empirical applications. Finally, we illustrate the practical relevance of our results through two empirical case studies.