Nonparametric Treatment Effect Identification in School Choice
学校选择中的非参数处理效应识别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：摘要明确研究学校分配中的因果处理效应，以抽签和回归断点变异识别学校对之间的条件效应并开展聚合推断。
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…
关注这篇论文的作者
学校选择中的非参数处理效应识别
- 研究问题
- 集中式学校分配同时产生抽签与断点变异时，哪些学校对之间的条件处理效应可被识别，常见聚合是否遗漏重要异质性？
- 方法与思路
- 作者刻画可识别原子处理效应的完整集合，分析聚合权重如何对待抽签和断点来源，并提出诊断、新聚合方案及估计推断方法。
- 材料陈述的贡献
- 摘要称，许多既有聚合对断点驱动效应赋零权重，相关估计权重也渐近消失；论文提出改进聚合，并提供相应渐近推断结果。
- 阅读关注点
- 应核对分配算法与学生特征条件、抽签和断点识别分别对应的效应范围，以及新聚合权重、目标人群和推断条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收状态未核实；摘要未列出完整识别假设或新权重公式，不能判断具体分配制度下可识别哪些效应。
原文摘要
This paper studies nonparametric identification and estimation of causal effects in centralized school assignment. In many centralized assignment algorithms, students face both lottery-driven variation and regression discontinuity- (RD) driven variation. We characterize the full set of identified atomic treatment effects (aTEs), defined as the conditional average treatment effect between a pair of schools given student characteristics. Atomic treatment effects are the building blocks of more aggregated treatment contrasts, and common approaches to estimating aTE aggregations can mask important heterogeneity. In particular, many aggregations of aTEs put zero weight on aTEs driven by RD variation, and estimators of such aggregations put asymptotically vanishing weight on the RD-driven aTEs. We provide a diagnostic and recommend new aggregation schemes. Lastly, we provide estimators and asymptotic results for inference on these aggregations.