Partial identification of the distribution of treatment effects with an application to the Knowledge is Power Program (KIPP)
处理效应分布的部分识别及其在 KIPP 项目中的应用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：摘要明确研究处理效应分布的部分识别及教育干预效应。
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…
关注这篇论文的作者
处理效应分布的部分识别及其在 KIPP 项目中的应用
- 研究问题
- 在无法直接观测潜在结果联合分布时，如何利用潜在结果相互随机递增的限制，收紧个体处理效应分布的界？
- 方法与思路
- 作者对潜在结果联合分布施加相互随机递增限制，推导处理效应分布界，并提出检验这些假设所蕴含经验限制的方法。
- 材料陈述的贡献
- 摘要称所得界明显收紧经典不等式界；KIPP 应用表明大多数学生数学成绩受益，尤其是传统课堂中可能表现较差者。
- 阅读关注点
- 应核对随机递增限制的定义、哪些经验含义可检验、分布界的构造，以及学校就读效应分析中的识别设计。
- 阅读边界
- 仅据所给 Crossref 摘要，应用识别条件与界的数值未说明；可检验经验限制不等于完整验证联合分布假设，不推断刊本变化。
原文摘要
We bound the distribution of treatment effects under plausible and testable assumptions on the joint distribution of potential outcomes, namely that potential outcomes are mutually stochastically increasing. We show how to test the empirical restrictions implied by those assumptions. The resulting bounds substantially sharpen bounds based on classical inequalities. We apply our method to estimate bounds on the distribution of effects of attending a Knowledge is Power Program (KIPP) charter school on student achievement, and find that a substantial majority of students' math achievement benefited from attendance, especially those who would have fared poorly in a traditional classroom.