Extreme Continuous Treatment Effects: Measures, Estimation and Inference
极端连续处理效应：度量、估计与推断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。
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：摘要明确研究连续处理的因果效应及反事实分布的极端分位数、尾部均值，支持这两个分类。
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
极端连续处理效应：度量、估计与推断
- 研究问题
- 对于连续取值的处理，如何度量和估计潜在结果反事实分布深尾部的变化，并对多个分位数水平进行统一推断？
- 方法与思路
- 作者以极端分位数函数和分位数以上的尾部均值定义两类处理效应，在无混杂条件下识别，并借助极值理论估计。
- 材料陈述的贡献
- 摘要称提出极端分位数处理效应与极端平均处理效应，建立按分位数水平索引的过程极限理论，并给出模拟和应用。
- 阅读关注点
- 应核对连续处理的识别条件、尾部正则性与阈值选择，以及过程收敛如何支持统一推断、有限样本如何处理尾部稀疏。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未完整说明尾部条件、估计步骤及实证对象和结果。
原文摘要
This paper concerns estimation and inference for treatment effects in deep tails of the counterfactual distribution of unobservable potential outcomes corresponding to a continuously valued treatment. We consider two measures for the deep tail characteristics: the extreme quantile function and the tail mean function defined as the conditional mean beyond a quantile level. Then we define the extreme quantile treatment effect (EQTE) and the extreme average treatment effect (EATE), which can be identified through the commonly adopted unconfoundedness condition and estimated with the aid of extreme value theory. Our limiting theory is for the EQTE and EATE processes indexed by a set of quantile levels and hence facilitates uniform inference. Simulations suggest that our method works well in finite samples and an empirical application illustrates its practical merit.