Identification of Treatment Effects Under Conditional Partial Independence
条件部分独立下的处理效应识别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。
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：摘要研究放松处理分配与潜在结果条件独立后的处理效应识别集，直接对应因果推断与敏感性分析。
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
条件部分独立下的处理效应识别
- 研究问题
- 处理分配与潜在结果的条件独立假设难以被数据证伪时，允许怎样的偏离仍能支持原有处理效应结论，如何刻画识别范围？
- 方法与思路
- 作者用条件处理分配概率定义对条件独立的非参数偏离，并推导多种处理效应参数的识别集，为敏感性分析提供可解释尺度。
- 材料陈述的贡献
- 摘要称该框架给出偏离条件独立时的处理效应识别集，可用于评估基于基准独立假设所得经验结论的稳健性。
- 阅读关注点
- 核对偏离参数的定义及概率约束、各类效应识别集的推导，并确认边界是否锐利、如何由数据估计及进行统计推断。
- 阅读边界
- 摘要未说明具体覆盖哪些处理效应参数、偏离范围如何设定，也未交代识别集是否锐利或推断方法；不能据此判断实证稳健程度。
原文摘要
Conditional independence of treatment assignment from potential outcomes is a commonly used but nonrefutable assumption. We derive identified sets for various treatment effect parameters under nonparametric deviations from this conditional independence assumption. These deviations are defined via a conditional treatment assignment probability, which makes it straightforward to interpret. Our results can be used to assess the robustness of empirical conclusions obtained under the baseline conditional independence assumption.