Modelling hetegeneous treatment effects by quantitle local polynomial decision tree and forest
利用分位点局部多项式决策树与森林建模异质性处理效应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：摘要明确以异质性处理效应和因果树为研究对象；分位点用于协变量划分，不足以支持分布效应分类。
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
利用分位点局部多项式决策树与森林建模异质性处理效应
- 研究问题
- 如何将协变量分位点划分与局部多项式拟合结合，用树和森林刻画异质性处理效应，并支持置信区间与渐近推断？
- 方法与思路
- 作者沿用随机森林与因果树思路，按固定规则利用协变量分位点划分局部样本，再结合局部多项式估计构造 QLPRT 与 QLPRF。
- 材料陈述的贡献
- 摘要提出分位点局部因果树及森林，旨在结合局部最小二乘拟合与树方法的推断性质，但未报告具体定理或性能比较结果。
- 阅读关注点
- 应核对局部线性与多项式设定的关系、分裂规则、处理效应识别条件，以及置信区间和渐近正态性是否针对新方法得到证明。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审及期刊接收未经核实；摘要未说明完整算法和理论条件，分位点划分不等同于分位数处理效应。
原文摘要
To further develop the statistical inference problem for heterogeneous treatment effects, this paper builds on Breiman's (2001) random forest tree (RFT)and Wager et al.'s (2018) causal tree to parameterize the nonparametric problem using the excellent statistical properties of classical OLS and the division of local linear intervals based on covariate quantile points, while preserving the random forest trees with the advantages of constructible confidence intervals and asymptotic normality properties [Athey and Imbens (2016),Efron (2014),Wager et al.(2014)\citep{wager2014asymptotic}], we propose a decision tree using quantile classification according to fixed rules combined with polynomial estimation of local samples, which we call the quantile local linear causal tree (QLPRT) and forest (QLPRF).