Nonparametric tests of conditional treatment effects with an application to single-sex schooling on academic achievements
条件处理效应的非参数检验：单性别学校学业表现的应用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：摘要直接研究条件平均与分布处理效应，并检验条件随机占优。
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
条件处理效应的非参数检验：单性别学校学业表现的应用
- 研究问题
- 如何检验给定协变量后的处理效应，包括条件随机占优、平均效应非正，以及不存在分布或平均处理效应等假设？
- 方法与思路
- 作者利用刻画原假设的条件期望，构造一致非参数核估计量的 L1 型泛函统计量，并采用标准正态临界值进行检验。
- 材料陈述的贡献
- 摘要称检验具有渐近正确的检验水平，对一般固定备择一致，并对部分局部备择具有功效；另以韩国学校数据展示应用。
- 阅读关注点
- 应核对处理效应的识别条件、核估计与带宽要求，以及等式和不等式检验的局部功效差异；速度符号排版需查原文。
- 阅读边界
- 仅据摘要不能判断具体识别假设、有限样本表现或学校应用的因果可信度；摘要中的局部备择速度排版需核对原文。
原文摘要
We develop a general class of nonparametric tests for treatment effects conditional on covariates. We consider a wide spectrum of null hypotheses regarding conditional treatment effects, including the following: (a) the null hypothesis of the conditional stochastic dominance between treatment and control groups; (b) the null hypothesis that the conditional average treatment effect is nonpositive for each value of covariates; (c) the null hypothesis of no distributional (or average) treatment effect conditional on covariates. The test statistics are based on L1‐type functionals of uniformly consistent nonparametric kernel estimators of conditional expectations that characterize the null hypotheses. We show that our tests using the standard normal critical values have asymptotically correct size. We also show that the proposed nonparametric tests are consistent against general fixed alternatives and have non‐negligible powers against some n−1/2 local alternatives to the null hypothesis with inequality constraints and n−1/2h −d/4 local alternatives to the null hypothesis with equality constraints, where h is a bandwidth, n is the sample size and d is the dimension of continuous covariates. We illustrate the usefulness of our tests by applying them to the effect of single‐sex schooling on academic achievements using Korean data.