The Causal Impact of Credit Lines on Spending Distributions
信贷额度对消费支出分布的因果影响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。
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：摘要明确研究信贷额度的因果效应，并将结果与估计器扩展至支出分布及分位变化。
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
信贷额度对消费支出分布的因果影响
- 研究问题
- 当消费者多笔订单的支出应被表示为一个分布时，如何估计信贷额度的因果影响，并揭示均值效应之外的消费分布变化？
- 方法与思路
- 作者在 Rubin 因果框架下，将直接回归、逆倾向加权和双重机器学习估计器扩展至分布值结果，建立一致性并开展平台应用。
- 材料陈述的贡献
- 摘要称，估计框架可保留支出分布信息；应用发现各分位支出均受正向影响，额度增加时高分位支出的增幅相对更大。
- 阅读关注点
- 阅读时应核对分布值处理效应的定义、一致性与识别条件，以及将高低支出分位分别解释为奢侈品和必需品的证据。
- 阅读边界
- 本条依据 arXiv 预印本摘要，同行评审与接收未核实；摘要未给出额度分配机制与效应数值，支出分位本身不能验证商品类别。
原文摘要
Consumer credit services offered by e-commerce platforms provide customers with convenient loan access during shopping and have the potential to stimulate sales. To understand the causal impact of credit lines on spending, previous studies have employed causal estimators, based on direct regression (DR), inverse propensity weighting (IPW), and double machine learning (DML) to estimate the treatment effect. However, these estimators do not consider the notion that an individual's spending can be understood and represented as a distribution, which captures the range and pattern of amounts spent across different orders. By disregarding the outcome as a distribution, valuable insights embedded within the outcome distribution might be overlooked. This paper develops a distribution-valued estimator framework that extends existing real-valued DR-, IPW-, and DML-based estimators to distribution-valued estimators within Rubin's causal framework. We establish their consistency and apply them to a real dataset from a large e-commerce platform. Our findings reveal that credit lines positively influence spending across all quantiles; however, as credit lines increase, consumers allocate more to luxuries (higher quantiles) than necessities (lower quantiles).