Estimation of the Local Conditional Tail Average Treatment Effect
局部条件尾部平均处理效应的估计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。
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：摘要研究遵从者的处理效应，并以潜在结果的条件尾部期望和分位数刻画分布异质性。
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
局部条件尾部平均处理效应的估计
- 研究问题
- 在双侧不遵从和处理内生性下，如何估计遵从者群体的条件尾部平均处理效应，以概括不同分位水平上的效应异质性？
- 方法与思路
- 作者在半参数处理效应框架中，使用针对条件尾部期望与分位数的联合一致损失函数估计局部 CTATE，并提出实现算法。
- 材料陈述的贡献
- 摘要称，作者建立局部 CTATE 估计量的渐近理论并提供高效算法，随后用于评估美国职业培训项目的参与效果。
- 阅读关注点
- 应核对遵从者与尾部效应的识别条件、尾部期望及分位数的联合估计方式，以及渐近方差和培训应用的具体设计。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；未列出完整识别假设或实证效应数值，尾部均值之差不能直接解释为个体效应的尾部均值。
原文摘要
The conditional tail average treatment effect (CTATE) is defined as a difference between the conditional tail expectations of potential outcomes, which can capture heterogeneity and deliver aggregated local information on treatment effects over different quantile levels and is closely related to the notion of second-order stochastic dominance and the Lorenz curve. These properties render it a valuable tool for policy evaluation. In this article, we study estimation of the CTATE locally for a group of compliers (local CTATE or LCTATE) under the two-sided noncompliance framework. We consider a semiparametric treatment effect framework under endogeneity for the LCTATE estimation using a newly introduced class of consistent loss functions jointly for the CTE and quantile. We establish the asymptotic theory of our proposed LCTATE estimator and provide an efficient algorithm for its implementation. We then apply the method to evaluate the effects of participating in programs under the Job Training Partnership Act in the United States.