Nonparametric Tests of Treatment Effect Homogeneity for Policy-Makers
面向政策制定者的处理效应同质性非参数检验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：摘要直接研究条件平均处理效应异质性检验及个性化处理政策的总体影响，明确对应因果推断方向。
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…
面向政策制定者的处理效应同质性非参数检验
- 研究问题
- 如何检验条件平均处理效应在大小和方向上的异质性，并识别个性化决策相对于忽略协变量的规则是否具有政策价值？
- 方法与思路
- 作者提出一类非参数检验，允许连续和离散协变量及多种条件平均处理效应结构，并无需样本分割即可获得可处理的渐近零分布。
- 材料陈述的贡献
- 摘要称检验针对个性化规则与不使用协变量规则之间人口总体影响不同的备择，并以模拟和艾滋病临床试验再分析展示用途。
- 阅读关注点
- 应核对处理效应的识别条件、数量与方向异质性的原假设定义、结构限制如何进入检验，以及政策价值与检验功效的联系。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要，未核对全文或刊本变化；摘要未说明处理分配及识别假设，拒绝同质性也不能直接确定最优政策。
原文摘要
Recent work has focused on nonparametric estimation of conditional treatment effects, but inference has remained relatively unexplored. We propose a class of nonparametric tests for both quantitative and qualitative treatment effect heterogeneity. The tests can incorporate a variety of structured assumptions on the conditional average treatment effect, allow for both continuous and discrete covariates, and do not require sample splitting to obtain a tractable asymptotic null distribution. Furthermore, we show how the tests are tailored to detect alternatives where the population impact of adopting a personalized decision rule differs from using a rule that discards covariates. The proposal is thus relevant for guiding treatment policies. The utility of the proposal is borne out in simulation studies and a re-analysis of an AIDS clinical trial.