A Unified Framework for Specification Tests of Continuous Treatment Effect Models
连续处理效应模型设定检验的统一框架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：摘要研究无混杂条件下连续处理效应模型的设定检验，并明确涵盖分位数处理效应，因此选择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…
关注这篇论文的作者
连续处理效应模型设定检验的统一框架
- 研究问题
- 连续处理效应模型的函数设定如何检验，能否用同一框架覆盖平均和分位数处理效应，并检测接近原假设的局部偏离？
- 方法与思路
- 作者在无混杂条件下采用一般残差函数，以递增矩方程估计非参数权重并构造检验统计量，再用模拟近似其零假设分布。
- 材料陈述的贡献
- 摘要称建立原假设及固定、局部备择下的渐近分布，可检测根号样本量倒数量级的局部偏离，且较真实权重构造更有效率。
- 阅读关注点
- 应核对无混杂与权重条件、递增矩方程的规模控制、局部备择的定义，以及估计权重提升效率的证明和模拟校准方法。
- 阅读边界
- 摘要未说明具体残差形式、矩条件及应用数据；所述识别与检验性质依赖无混杂等条件，不能据此确认实际处理分配满足这些条件。
原文摘要
We propose a general framework for the specification testing of continuous treatment effect models. We assume a general residual function, which includes the average and quantile treatment effect models as special cases. The null models are identified under the unconfoundedness condition and contain a nonparametric weighting function. We propose a test statistic for the null model in which the weighting function is estimated by solving an expanding set of moment equations. We establish the asymptotic distributions of our test statistic under the null hypothesis and under fixed and local alternatives. The proposed test statistic is shown to be more efficient than that constructed from the true weighting function and can detect local alternatives deviated from the null models at the rate of O(N−1/2). A simulation method is provided to approximate the null distribution of the test statistic. Monte-Carlo simulations show that our test exhibits a satisfactory finite-sample performance, and an application shows its practical value.