Estimation and inference for distribution functions and quantile functions in treatment effect models
处理效应模型中分布函数与分位数函数的估计和推断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：摘要明确涉及无混杂下的潜在结果、处理效应，以及分布、分位数和随机占优推断。
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
处理效应模型中分布函数与分位数函数的估计和推断
- 研究问题
- 在无混杂假设下，如何估计潜在结果的分布及分位数函数，并据此检验不同处理状态下潜在结果之间的随机占优关系？
- 方法与思路
- 作者用逆概率加权估计潜在结果分布，经反演得到分位数，推导弱收敛并模拟极限过程，据此构造随机占优检验及开展应用。
- 材料陈述的贡献
- 摘要称，估计量具有零均值高斯过程极限，并提供极限近似及随机占优检验；就业培训应用报告对收入的正面影响。
- 阅读关注点
- 应核对无混杂的可信度、重叠条件及倾向得分处理，分位数反演和过程收敛的条件，以及随机占优检验对应的具体政策结论。
- 阅读边界
- 所给出版社摘要未说明重叠等具体条件、培训数据或检验结果细节；收入正面影响的结论依赖识别假设，不能直接推广至其他项目。
原文摘要
We propose inverse probability weighted estimators for the distribution functions of the potential outcomes under the unconfoundedness assumption and apply the inverse mapping to obtain the quantile functions. We show that these estimators converge weakly to zero mean Gaussian processes. A simulation method is proposed to approximate these limiting processes. Based on these results, we construct tests for stochastic dominance relations between the potential outcomes. Monte-Carlo simulations are conducted to examine the finite sample properties of our tests. We apply our test in an empirical example and find that a job training program had a positive effect on incomes.