Identification and inference of outcome conditioned partial effects of general interventions
一般干预下结局条件化偏效应的识别与推断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。
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：摘要明确提出分布性因果量，研究一般反事实干预在不同结局分位区间的效应，因此选择因果推断与分布效应方向。
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…
关注这篇论文的作者
一般干预下结局条件化偏效应的识别与推断
- 研究问题
- 如何衡量目标协变量的一般反事实干预，对处于结局分布不同分位区间个体的平均影响，并据此分析分布异质性？
- 方法与思路
- 作者定义结局条件化偏政策效应，推导半参数效率界，构造去偏估计量与统一推断，并用双重稳健得分优化微小干预。
- 材料陈述的贡献
- 摘要称所定义效应可按 √n 速率估计，并提供有效估计和统一推断方法，应用于分析控烟政策对婴儿低出生体重的影响。
- 阅读关注点
- 应核对结局分位区间对应的群体定义、反事实干预的识别条件，以及效率界、双重稳健性和政策优化的适用范围。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未列出识别条件，其与无条件分位数偏效应的比较需核对设定。
原文摘要
This paper proposes a new class of distributional causal quantities, referred to as the \textit{outcome conditioned partial policy effects} (OCPPEs), to measure the \textit{average} effect of a general counterfactual intervention of a target covariate on the individuals in different quantile ranges of the outcome distribution. The OCPPE approach is valuable in several aspects: (i) Unlike the unconditional quantile partial effect (UQPE) that is not $\sqrt{n}$-estimable, an OCPPE is $\sqrt{n}$-estimable. Analysts can use it to capture heterogeneity across the unconditional distribution of $Y$ as well as obtain accurate estimation of the aggregated effect at the upper and lower tails of $Y$. (ii) The semiparametric efficiency bound for an OCPPE is explicitly derived. (iii) We propose an efficient debiased estimator for OCPPE, and provide feasible uniform inference procedures for the OCPPE process. (iv) The efficient doubly robust score for an OCPPE can be used to optimize infinitesimal nudges to a continuous treatment by maximizing a quantile specific Empirical Welfare function. We illustrate the method by analyzing how anti-smoking policies impact low percentiles of live infants' birthweights.