Partial Identification and Inference for Conditional Distributions of Treatment Effects
条件处理效应分布的部分识别与推断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。
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：摘要直接讨论处理效应的因果识别及其条件分布界限。
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
条件处理效应分布的部分识别与推断
- 研究问题
- 在缺乏足以实现点识别的强假设时，如何界定给定可观测协变量的处理效应分布，并在处理内生时收紧界限和开展推断？
- 方法与思路
- 作者利用 Makarov 界构造条件处理效应分布的上下界，提出两项随机占优假设处理内生情形，并建立非参数估计与渐近推断框架。
- 材料陈述的贡献
- 摘要称方法给出条件处理效应分布界限，并建立在处理效应支持集上一致有效的渐近理论；另以实证例子说明方法用途。
- 阅读关注点
- 应核对内生处理下两项随机占优假设的含义、界限是否尖锐，以及一致推断所需的平滑、支持集和正则条件。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未核验；摘要未给出占优假设的具体形式、实证设定或有限样本覆盖表现。
原文摘要
This paper considers identification and inference for the distribution of treatment effects conditional on observable covariates. Since the conditional distribution of treatment effects is not point identified without strong assumptions, we obtain bounds on the conditional distribution of treatment effects by using the Makarov bounds. We also consider the case where the treatment is endogenous and propose two stochastic dominance assumptions to tighten the bounds. We develop a nonparametric framework to estimate the bounds and establish the asymptotic theory that is uniformly valid over the support of treatment effects. An empirical example illustrates the usefulness of the methods.