Testing Conditional Mean Independence Under Symmetry
对称性条件下的条件均值独立检验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：摘要明确将条件均值独立联系到处理效应的模型识别，并以教育回报数据检验这一假设，直接对应因果推断。
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…
对称性条件下的条件均值独立检验
- 研究问题
- 研究能否在额外对称性条件下检验处理效应识别常用的条件均值独立假设，以及该检验在有限样本中是否可用。
- 方法与思路
- 作者提出对称性条件下的 Kolmogorov–Smirnov 型统计量，以自助法计算 p 值和临界值，并作模拟与中国大学教育回报数据示例。
- 材料陈述的贡献
- 摘要称，所提检验在小到中等样本模拟中表现良好；实证示例用于考察条件均值独立与额外对称性条件的合理性。
- 阅读关注点
- 重点核对额外对称性条件的具体形式、检验适用的可观测信息、自助法有效性的条件，以及拒绝或未拒绝的解释。
- 阅读边界
- 摘要未列明对称性条件、检验的尺寸与功效或实证检验结果；未拒绝条件均值独立也不能据此证明识别假设成立。
原文摘要
Conditional mean independence (CMI) is one of the most widely used assumptions in the treatment effect literature to achieve model identification. We propose a Kolmogorov–Smirnov-type statistic to test CMI under a specific symmetry condition. We also propose a bootstrap procedure to obtain the p-values and critical values that are required to carry out the test. Results from a simulation study suggest that our test can work very well even in small to moderately sized samples. As an empirical illustration, we apply our test to a dataset that has been used in the literature to estimate the return on college education in China, to check whether the assumption of CMI is supported by the dataset and show the plausibility of the extra symmetry condition that is necessary for this new test.