跳到正文
← 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:摘要明确研究工具变量下的边际处理效应,且目标包含分布效应与分位数效应,因此对应因果推断和分布效应。

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
Santiago Acerenza
Vitor Possebom

冉阿让的警探有理由怀疑吗?持续时间结果的边际处理效应

研究问题
当再犯时间等持续时间结果存在右删失时,如何识别分布和分位数边际处理效应,并刻画不同受罚倾向人群的效应差异?
方法与思路
作者以条件外生工具变量和随机删失为基础,识别分布及分位数边际处理效应,并提出半参数一致估计量与相应推断程序。
材料陈述的贡献
摘要称,方法可用于巴西替代刑罚分析:多数法官都会处罚的人再犯较晚,而仅严格法官会处罚的人相较不受罚时再犯更早。
阅读关注点
核对工具变量条件外生性、随机删失的具体定义及完整识别条件,并检查不同受罚倾向群体与再犯时间效应的对应关系。
阅读边界
这是 arXiv 预印本,同行评审或期刊接收未核实;摘要未说明工具变量构造、完整识别条件及具体估计结果的不确定性。

原文摘要

We identify the distributional and quantile marginal treatment effect functions when the outcome is right-censored. Our method requires a conditionally exogenous instrument and random censoring. We propose asymptotically consistent semi-parametric estimators and valid inferential procedures for the target functions. To illustrate, we evaluate the effect of alternative sentences (fines and community service vs. no punishment) on recidivism in Brazil. Our results highlight substantial treatment effect heterogeneity: we find that people whom most judges would punish take longer to recidivate, while people who would be punished only by strict judges recidivate at an earlier date than if they were not punished.

笔记与分组