Monotone Response for Random Objects
随机对象的单调处理反应与部分识别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：摘要研究单调因果限制下的部分识别，并明确涵盖 Wasserstein 度量下的分布结果。
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…
随机对象的单调处理反应与部分识别
- 研究问题
- 当结果是分布、区间或组成数据等随机对象时，如何将单调处理反应、选择及工具变量限制用于反事实均值的部分识别？
- 方法与思路
- 作者将一般度量空间嵌入 L² 空间，对嵌入函数施加逐坐标单调性，并据此构造 Fréchet 均值的识别集合。
- 材料陈述的贡献
- 摘要称给出广泛随机对象空间的有效识别集，并对分布、区间及组成结果建立尖锐识别及联合单调限制下的刻画。
- 阅读关注点
- 应核对嵌入方式如何影响单调性解释、有效界与尖锐界的区别，以及各类度量和无须给定支持集的刻画所需条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未经核验；摘要未给出具体识别界与条件，不能将部分空间的尖锐性推广到所有随机对象。
原文摘要
Monotone treatment response (MTR), monotone treatment selection (MTS), and monotone instrumental variable (MIV) assumptions are widely used to partially identify counterfactual mean outcomes, but existing analyses have focused almost exclusively on scalar outcomes. We develop a unified framework for partial identification with outcomes that take values in a general metric space under these monotonicity restrictions by embedding the metric space into an $L^2$ space and imposing coordinatewise monotonicity on the embedded functions. The proposed framework yields valid identified sets for Fréchet means in a broad class of random-object spaces and further delivers sharp identification results for distributional outcomes under the Wasserstein metric, interval-valued outcomes represented by support functions, and compositional outcomes under the Aitchison metric. We also establish a support-free characterization of the identified set under the joint MTR--MTS assumption. Numerical and empirical illustrations based on Job Corps earnings data and periodontal health distributions from the National Health and Nutrition Examination Survey demonstrate the empirical usefulness of the proposed framework.