Inference for Nonlinear Endogenous Treatment Effects Accounting for High-Dimensional Covariate Complexity
考虑高维协变量复杂性的非线性内生处理效应推断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：摘要直接研究内生处理的非线性因果边际效应及其置信带。
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…
考虑高维协变量复杂性的非线性内生处理效应推断
- 研究问题
- 当处理变量内生、处理效应非线性且协变量维度较高时，如何对非参数处理函数的导数进行估计并构造置信带？
- 方法与思路
- 作者在加性模型中采用控制函数识别与正则化非参数估计，再同时修正控制函数估计偏差和高维结果模型的正则化偏差。
- 材料陈述的贡献
- 摘要称提出双重偏差修正及边际效应函数置信带，并以模拟和空气污染与迁移的实证研究展示所提程序的有效性。
- 阅读关注点
- 应核对控制函数识别所需条件、高维模型与函数近似限制，以及双重修正和置信带有效性对应的收敛要求。
- 阅读边界
- 这是预印本，不能据此认定已同行评审或期刊接收；摘要未说明工具变量、具体识别条件、模拟设计或实证效应大小。
原文摘要
Nonlinearity and endogeneity are prevalent challenges in causal analysis using observational data. This paper proposes an inference procedure for a nonlinear and endogenous marginal effect function, defined as the derivative of the nonparametric treatment function, with a primary focus on an additive model that includes high-dimensional covariates. Using the control function approach for identification, we implement a regularized nonparametric estimation to obtain an initial estimator of the model. Such an initial estimator suffers from two biases: the bias in estimating the control function and the regularization bias for the high-dimensional outcome model. Our key innovation is to devise the double bias correction procedure that corrects these two biases simultaneously. Building on this debiased estimator, we further provide a confidence band of the marginal effect function. Simulations and an empirical study of air pollution and migration demonstrate the validity of our procedures.