Estimating Functionals of the Joint Distribution of Potential Outcomes with Optimal Transport
利用最优传输估计潜在结果联合分布的泛函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：研究因果参数的部分识别，且核心对象是潜在结果联合分布的泛函。
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
利用最优传输估计潜在结果联合分布的泛函
- 研究问题
- 在存在处理不依从的政策评估中，如何识别和估计依赖潜在结果联合分布矩的因果参数，并对识别边界开展推断？
- 方法与思路
- 作者用最优传输问题的值刻画尖锐识别区间端点，基于其对偶问题构造样本对应估计量，并采用自助法进行推断。
- 材料陈述的贡献
- 摘要称，相关识别集合为区间，估计量在一定条件下具有根号样本量一致性和分布收敛，并展示职业培训项目应用。
- 阅读关注点
- 核对不依从模型的识别假设、目标泛函类别、最优传输端点的尖锐性证明，以及对偶估计和自助法成立的具体条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未列明所谓温和条件，应用中的收益异质性仅被描述为提示性证据。
原文摘要
Many causal parameters depend on a moment of the joint distribution of potential outcomes. Such parameters are especially relevant in policy evaluation settings, where noncompliance is common and accommodated through the model of Imbens & Angrist (1994). This paper shows that the sharp identified set for these parameters is an interval with endpoints characterized by the value of optimal transport problems. Sample analogue estimators are proposed based on the dual problem of optimal transport. These estimators are root-n consistent and converge in distribution under mild assumptions. Inference procedures based on the bootstrap are straightforward and computationally convenient. The ideas and estimators are demonstrated in an application revisiting the National Supported Work Demonstration job training program. I find suggestive evidence that workers who would see below average earnings without treatment tend to see above average benefits from treatment.