Predicting the Distribution of Treatment Effects: A Covariate-Adjustment Approach
预测处理效应分布：协变量调整方法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：摘要直接讨论随机试验中的处理效应推断，并以处理效应分布为核心对象。
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
预测处理效应分布：协变量调整方法
- 研究问题
- 个体反事实无法同时观测时，如何利用协变量预测，对处理效应分布的特定点进行推断，揭示平均效应掩盖的差异？
- 方法与思路
- 作者通过协变量调整预测反事实，使用样本分割构造有限样本有效推断，并用交叉拟合获得渐近有效推断。
- 材料陈述的贡献
- 摘要称该方法提供处理效应分布推断；重访五项平均效应不显著的小额信贷试验，发现部分个体受益、部分受损的分布影响。
- 阅读关注点
- 应核对推断针对的分布对象、预测反事实与真实效应的关系，以及样本分割和交叉拟合各自所需条件与误差控制。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实。摘要未列出所谓较弱条件，不能据此认定真实个体效应已被完整识别。
原文摘要
Important questions for impact evaluation require knowledge not only of average effects, but of the distribution of treatment effects. The inability to observe individual counterfactuals makes answering these empirical questions challenging. I propose an inference approach for points of the distribution of treatment effects that uses predicted counterfactuals through covariate adjustment. I provide finite-sample valid inference using sample-splitting and asymptotically valid inference using cross-fitting under arguably weak conditions. Revisiting five randomized controlled trials on microcredit that reported null average effects, I find important distributional impacts, with some individuals helped and others harmed by the increased credit access.