Counterfactual Treatment Effects: Estimation and Inference
反事实处理效应：估计与推断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。
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：摘要直接研究反事实处理效应的识别、分位数与政策分布影响，因此归入因果推断及分位数与分布效应。
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…
反事实处理效应：估计与推断
- 研究问题
- 若改变既有项目所针对的人群构成，分位数处理效应会如何变化，能否据此事前评估政策的分布影响并解释效应异质性？
- 方法与思路
- 作者在无混杂与潜在结果条件分布不变的假设下识别反事实分位数处理效应，用核方法估计，并通过乘子自助法构造同时置信带。
- 材料陈述的贡献
- 摘要称估计过程以参数速率弱收敛到零均值高斯过程，并扩展至平均效应和反事实受处理子群；应用分析美国 Job Corps 收入效应。
- 阅读关注点
- 阅读时应核对改变人群构成的具体方式、条件分布不变假设与支持集要求，以及核估计和同时置信带成立的正则条件。
- 阅读边界
- 摘要未说明反事实人群的构造、支持集条件与应用的数值结果；事前政策解释依赖所述无混杂及条件分布不变假设。
原文摘要
This article proposes statistical methods to evaluate the quantile counterfactual treatment effect (QCTE) if one were to change the composition of the population targeted by a status quo program. QCTE enables a researcher to carry out an ex-ante assessment of the distributional impact of certain policy interventions or to investigate the possible explanations for treatment effect heterogeneity. Assuming unconfoundedness and invariance of the conditional distributions of the potential outcomes, QCTE is identified and can be nonparametrically estimated by a kernel-based method. Viewed as a random function over the continuum of quantile indices, the estimator converges weakly to a zero mean Gaussian process at the parametric rate. We propose a multiplier bootstrap procedure to construct uniform confidence bands, and provide similar results for average effects and for the counterfactually treated subpopulation. We also present Monte Carlo simulations and two counterfactual exercises that provide insight into the heterogeneous earnings effects of the Job Corps training program in the United States.