A Location-Invariant Estimator of Extremal Quantile Treatment Effects for Heavy-Tailed Distributions
重尾分布下位置不变的极端分位数处理效应估计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：摘要直接研究潜在结果的极端分位数处理效应，并使用倾向得分加权，支持因果推断与分位数及分布效应分类。
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…
重尾分布下位置不变的极端分位数处理效应估计
- 研究问题
- 当目标分位数远超观测数据范围时，如何估计重尾潜在结果的分位数处理效应，并保持其对共同位置平移的不变性？
- 方法与思路
- 作者用逆倾向得分加权将位置不变的 Fraga 极值指数估计推广到因果场景，再以分位数差分构造消除位置参数的外推公式。
- 材料陈述的贡献
- 摘要称新估计量具有位置不变性，并建立一致性、渐近正态性及一致方差估计；模拟考察了阈值稳定性与区间覆盖率。
- 阅读关注点
- 应核对因果识别条件、重尾与阈值条件、极端分位数外推范围，以及倾向得分估计误差如何进入渐近分布和方差估计。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明具体识别假设、阈值选择规则及有限样本覆盖率数值。
原文摘要
Quantile treatment effects (QTEs) measure the effect of a treatment on the distribution of an outcome, and their estimation at extreme quantile levels is of central interest in applications where the target quantiles lie far beyond the range of the data. For heavy-tailed potential outcomes, existing extremal QTE estimators rely on extrapolation combined with a causal extreme value index (EVI) estimator, but the resulting estimator is not invariant under a common location shift of the potential outcome distributions, even though the population QTE is. We address this issue in two steps. First, we adapt the location-invariant Fraga estimator of the EVI to the causal setting using inverse propensity score weighting. Second, we replace the original extrapolation formula with a difference-based scheme, under which the location parameter cancels when quantile differences are taken. The resulting QTE estimator is therefore location invariant. We establish the consistency and asymptotic normality of the proposed extremal QTE estimators, and provide a consistent variance estimator, leading to asymptotically valid inference. A simulation study confirms the location invariance, the stability with respect to the threshold, and the coverage of the proposed methods.