Tail-Calibrated Estimation of Extreme Quantile Treatment Effects
极端分位数处理效应的尾部校准估计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：摘要直接研究处理对结果分布极端分位数的因果影响，明确对应因果推断与分位数、分布效应。
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
极端分位数处理效应的尾部校准估计
- 研究问题
- 当极端尾部观测稀少、常规分位数处理效应方法失效时，如何估计处理对罕见高影响结果的因果作用？
- 方法与思路
- 作者提出尾部校准逆估计方程框架，整合多个分位水平的信息，并以极值模型锚定尾部，在统一估计方程中求解。
- 材料陈述的贡献
- 摘要称建立估计量的渐近性质，并在不同尾部行为和模型误设下模拟评估；阿尔卑斯极端降水应用展示观测数据因果归因。
- 阅读关注点
- 核对因果识别要求、极值模型与分位水平之间的连接方式，以及尾部外推、模型误设和不确定性量化的具体处理。
- 阅读边界
- 这是 arXiv 预印本，同行评审和期刊接收均未核实；摘要未说明识别及尾部条件，也未给出模拟数值或极端外推的可靠范围。
原文摘要
Extreme quantile treatment effects (eQTEs) measure the causal impact of a treatment on the tails of an outcome distribution and are central for studying rare, high-impact events. Standard QTE methods often fail in extreme regimes due to data sparsity, while existing eQTE methods rely on restrictive tail assumptions or on interior-quantile theory. We propose the Tail-Calibrated Inverse Estimating Equation (TIEE) framework, which combines information across quantile levels and anchors the tail using extreme value models within a unified estimating equation approach. We establish asymptotic properties of the resulting estimator and evaluate its performance through simulation under different tail behaviours and model misspecifications. An application to extreme precipitation in the Austrian Alps illustrates how TIEE enables observational causal attribution for very rare events under anthropogenic warming. More broadly, the proposed framework establishes a new foundation for causal inference on rare, high-impact outcomes, with relevance across environmental risk, economics, and public health.