Identification and Estimation of Distributional Impacts of Interventions Using Changes in Inequality Measures
利用不平等指标变化识别与估计干预的分布影响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：摘要基于可观测特征选择识别处理效应，并以潜在结果边际分布的不平等指标定义影响，对应因果推断与分布效应。
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
利用不平等指标变化识别与估计干预的分布影响
- 研究问题
- 当项目参与选择基于可观测特征时，如何通过处理与未处理潜在结果边际分布的不平等指标差异，衡量干预的分布影响？
- 方法与思路
- 作者先非参数估计倾向得分，再用估计得分构造权重，计算潜在结果边际分布的加权不平等指标，并比较两种状态。
- 材料陈述的贡献
- 摘要称估计量具有一致性与半参数效率，百分位 bootstrap 推断有效，蒙特卡洛实验显示其小样本表现良好。
- 阅读关注点
- 重点核对可观测选择所需的识别条件、倾向得分权重与不平等指标的正则条件，以及百分位 bootstrap 的适用范围。
- 阅读边界
- 这些效应比较潜在结果的边际分布，不能直接刻画个体收益分布；摘要未说明具体不平等指标及模拟表现的适用范围。
原文摘要
This paper presents estimators of distributional impacts of interventions when selection to the program is based on observable characteristics. Distributional impacts are calculated as differences in inequality measures of the marginal distributions of potential outcomes of receiving and not receiving the treatment. The estimation procedure involves a first non-parametric estimation of the propensity score. In the second step weighted versions of inequality measures are computed using weights based on the estimated propensity score. Consistency, semi-parametric efficiency and validity of inference based on the percentile bootstrap are shown for the estimators. Results from Monte Carlo exercises show its good performance in small samples. Copyright © 2015 John Wiley & Sons, Ltd.