Nonparametric Heterogeneous Treatment Effect Estimation in Repeated Cross Sectional Designs
重复截面设计中的非参数异质性处理效应估计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：摘要明确研究重复截面双重差分设计下的异质性处理效应，直接属于因果推断。
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
重复截面设计中的非参数异质性处理效应估计
- 研究问题
- 政策实施前后观察到不同个体样本、同时拥有对照群体时，如何在重复截面的双重差分设计中学习处理效应异质性？
- 方法与思路
- 作者提出非参数异质性效应估计量，利用正交性降低辅助成分估计误差的影响，并通过不同模拟设定评估表现。
- 材料陈述的贡献
- 摘要称该估计量允许辅助成分以较慢速度估计，同时实现较快的处理效应学习速度，且模拟表现具有潜力。
- 阅读关注点
- 应核对异质性效应的目标定义、重复截面的识别条件、正交得分构造，以及辅助估计与效应学习速度的关系。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验；摘要未说明平行趋势等具体假设、收敛速度或区间推断结果。
原文摘要
Identifying heterogeneity in a population's response to a health or policy intervention is crucial for evaluating and informing policy decisions. We propose a novel heterogeneous treatment effect estimator in the difference-in-differences design with repeated cross sectional data, where we observe different samples of a population at two time periods separated by the onset of a policy intervention, as well as samples of a population that serves as the control. Our estimator has orthogonality properties that enable fast rates on learning the treatment effect while allowing slower rates for estimating nuisance components. Our proposal shows promising empirical performance across a variety of simulation setups.