Program Evaluation with Remotely Sensed Outcomes
使用遥感结果变量的项目评估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：摘要直接研究实验与准实验中的因果参数识别，并讨论经济结果被遥感变量不完全测量时的因果推断。
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…
使用遥感结果变量的项目评估
- 研究问题
- 当实验或准实验中的经济结果只能由遥感变量不完全测量时，如何结合实验与观察数据识别并推断因果效应？
- 方法与思路
- 作者将遥感变量建模为经济结果之后产生的变量，据此提出非参数识别公式，并构造允许灵活处理遥感数据的推断方法。
- 材料陈述的贡献
- 摘要称，该方法结合两类数据识别因果参数，实现 n^{-1/2} 速率的推断，具有误设稳健性且不限制遥感处理算法。
- 阅读关注点
- 应核对结果到遥感变量的因果方向、两类数据衔接所需条件，以及误设稳健性的对象和推断对学习误差的要求。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未说明完整识别条件及误设稳健性涵盖的具体范围。
原文摘要
We study causal inference in experiments and quasi-experiments, where the economic outcome is imperfectly measured by a remotely sensed variable. The remotely sensed variable is low-cost, scalable, and predictive of the economic outcome in observational data; examples include satellite imagery and mobile phone activity. We model the remotely sensed variable as post-outcome: variation in the economic outcome causes variation in the remotely sensed variable. For example, changes in environmental quality cause changes in satellite imagery, not vice versa. Under this assumption, we propose a formula to nonparametrically identify the causal parameter by combining experimental and observational data. We develop a method for n^{-1/2} inference that is robust to misspecification and that does not restrict the algorithms used to process remotely sensed variables.