Estimation and Inference for Extreme Continuous Treatment Effects
极端连续处理效应的估计与推断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。
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：摘要研究连续处理的潜在结果效应，并以极端分位数和尾部均值刻画分布差异，直接支持因果与分布效应分类。
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
极端连续处理效应的估计与推断
- 研究问题
- 对于连续取值的处理变量，如何衡量不同处理状态下潜在结果深尾部的差异，并对多个尾部分位水平进行联合推断？
- 方法与思路
- 作者以不同处理状态的分位数之比和尾部均值之比定义两类效应，利用极值理论尾部近似构造估计并建立过程极限理论。
- 材料陈述的贡献
- 摘要提出极端分位数处理效应与极端平均处理效应的估计方法，支持跨尾部水平和处理状态组合的一致推断，并提供模拟应用。
- 阅读关注点
- 核对连续处理的因果识别条件、尾部近似要求与阈值选择，关注比率效应的解释及统一置信推断如何实现。
- 阅读边界
- 仅据所给 OpenAlex 摘要，未核对全文及刊本变化；处理分配、重叠性与尾部条件未说明，实证对象和有限样本数值也未提供。
原文摘要
This article studies estimation and inference for the treatment effect in deep tails of the potential outcome distributions corresponding to a continuously valued treatment, namely the extreme continuous treatment effect. We consider two measures for the tail characteristics: the quantile function and the tail mean function defined as the conditional mean beyond a quantile level. Then, for a quantile level close to 1, we define the extreme quantile treatment effect (EQTE) and extreme average treatment effect (EATE), which are, respectively, the ratios of the quantile and tail mean at different treatment statuses. We propose estimators for the EQTE and EATE based on tail approximations from the extreme value theory. Our limiting theory is for the EQTE and EATE processes indexed by a set of quantile levels and pairs of different treatment statuses. It facilitates uniform inference for the EQTE and EATE over multiple tail levels and multiple treatment effects. Simulations suggest that our method works well in finite samples, and an empirical study illustrates its practical merits.