Inference on finite-population treatment effects under limited overlap
重叠有限时有限总体处理效应的推断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。
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：摘要研究重叠有限条件下平均及局部平均处理效应的随机化推断。
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…
关注这篇论文的作者
重叠有限时有限总体处理效应的推断
- 研究问题
- 部分分层中处理或未处理比例很小时，有限总体平均及局部平均处理效应应如何推断，常规标准误是否仍然有效？
- 方法与思路
- 作者令倾向得分随样本量趋向零或一，分别在条件独立随机化与分层区组随机化下推导相应估计量的渐近分布。
- 材料陈述的贡献
- 摘要称两种随机化下极限分布相同，常规标准误仍渐近有效；倾向得分退化越快收敛越慢，小样本近似因而可能较差。
- 阅读关注点
- 应核对倾向得分允许的退化速度、各层样本量条件，以及局部平均效应的定义和常规方差公式成立的具体要求。
- 阅读边界
- 摘要未说明精确速度条件或何种样本规模足够大；结果针对所述随机化框架，不能直接推广到任意观察性研究。
原文摘要
Summary This paper studies inference on finite-population average and local average treatment effects under limited overlap, meaning that some strata have a small proportion of treated or untreated units. We model limited overlap in an asymptotic framework, sending the propensity score to zero (or one) with the sample size. We derive the asymptotic distribution of analogue estimators of the treatment effects under two common randomization schemes: conditionally independent and stratified block randomization. Under either scheme, the limit distribution is the same and conventional standard error formulas remain asymptotically valid, but the rate of convergence is slower the faster the propensity score degenerates. The practical import of these results is two-fold. When overlap is limited, standard methods can perform poorly in smaller samples, as asymptotic approximations are inadequate owing to the slower rate of convergence. However, in larger samples, standard methods can work quite well even when the propensity score is small.