SHARP BOUNDS ON THE DISTRIBUTION OF TREATMENT EFFECTS AND THEIR STATISTICAL INFERENCE
处理效应分布的尖锐界及其统计推断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：摘要直接讨论二元处理的处理效应分布及其界，对应因果推断与分布效应。
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
处理效应分布的尖锐界及其统计推断
- 研究问题
- 对于二元处理，如何估计处理效应分布的尖锐界并构造统计推断，协变量信息又如何进入这些界的构造？
- 方法与思路
- 作者提出尖锐界的非参数估计量并推导渐近分布，采用小于原样本量的 bootstrap 推断，并用模拟比较区间表现。
- 材料陈述的贡献
- 摘要称，论文建立处理效应分布界的渐近理论，指出标准 bootstrap 可能失效，并进一步给出有协变量时的尖锐界。
- 阅读关注点
- 应核对处理分配与潜在结果的识别条件、尖锐性的证明、小样本量 bootstrap 的选取规则，以及协变量如何收紧界。
- 阅读边界
- 仅依据所给 Crossref 摘要；处理识别假设、重抽样规模及模拟数值未说明，不能断言某种区间普遍更优或推断版本变化。
原文摘要
In this paper, we propose nonparametric estimators of sharp bounds on the distribution of treatment effects of a binary treatment and establish their asymptotic distributions. We note the possible failure of the standard bootstrap with the same sample size and apply the fewer-than- n bootstrap to making inferences on these bounds. The finite sample performances of the confidence intervals for the bounds based on normal critical values, the standard bootstrap, and the fewer-than- n bootstrap are investigated via a simulation study. Finally we establish sharp bounds on the treatment effect distribution when covariates are available.