Estimation and inference for the counterfactual distribution and quantile functions in continuous treatment models
连续处理模型中反事实分布与分位数函数的估计推断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：摘要直接研究连续处理下的反事实分布、分位数与分布效应，支持因果推断和分位数与分布效应分类。
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…
关注这篇论文的作者
连续处理模型中反事实分布与分位数函数的估计推断
- 研究问题
- 研究如何把二元处理情形的反事实分布与分位数估计扩展至连续处理，并对分布效应、随机占优及分位数恒定性进行推断。
- 方法与思路
- 作者通过最大化全局凹准则求解协变量平衡权重，以加权回归估计反事实分布，再反演分位数，并构造置信带及多类检验。
- 材料陈述的贡献
- 摘要称，论文将相关估计推断扩展至连续处理，提供分布和分位数效应检验；模拟显示满意的有限样本表现，应用展示实际用途。
- 阅读关注点
- 应核对连续处理下的识别与支持条件、平衡方程和权重形式，以及分布反演、统一置信带和各项检验的有效性条件。
- 阅读边界
- 所给出版社摘要未说明完整识别假设、应用数据和检验表现数值，不能据此断言方法在所有连续处理问题中有效或优于替代方法。
原文摘要
Donald and Hsu (2014) studied the estimation and inference for the counterfactual distribution and quantile functions in a binary treatment model. We extend their work to the continuous treatment model. Specifically, we propose a weighted regression estimator for the counterfactual distribution but we estimate the weighting function from a covariate balancing equation by maximizing a globally concave criterion function. We estimate the quantile function by inverting the estimated counterfactual distribution. To test the distributional effect, we consider the (uniform) confidence bands, the sup and L2 distance, and the Mann–Whitney test. We also consider the stochastic dominance test for the distributional effect and the L2 test for constant quantiles. A simulation study reveals that our tests exhibit a satisfactory finite-sample performance, and an application shows their practical value.