Estimating Conditional Average Treatment Effects
条件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：摘要明确在无混杂假设下研究条件平均处理效应的识别、逆概率加权估计与异质性，直接对应因果推断方向。
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…
条件平均处理效应的估计
- 研究问题
- 在无混杂假设下，如何识别并估计由连续协变量定义的亚群体平均处理效应，以刻画处理效应随群体特征变化的异质性？
- 方法与思路
- 作者提出逆概率加权的完全非参数和半参数估计量，在正则条件下建立逐点一致性与渐近正态性，并分析孕期吸烟与出生体重。
- 材料陈述的贡献
- 摘要称 CATE 在无混杂下可非参数识别；应用估计提示，非白人初产母亲组的吸烟对出生体重的负向效应随邮区人均收入上升而增强。
- 阅读关注点
- 应核对连续协变量条件化、倾向得分估计与平滑设定、新增正则条件及逐点推断的范围，并区分邮区收入与母亲个人收入。
- 阅读边界
- 摘要未说明应用中无混杂假设的论据及具体正则条件；逐点渐近结果不能据此解读为整条效应曲线的同时推断保证。
原文摘要
We consider a functional parameter called the conditional average treatment effect (CATE), designed to capture heterogeneity of a treatment effect across subpopulations when the unconfoundedness assumption applies. In contrast to quantile regressions, the subpopulations of interest are defined in terms of the possible values of a set of continuous covariates rather than the quantiles of the potential outcome distributions. We show that the CATE parameter is nonparametrically identified under the unconfoundedness assumption and propose inverse probability weighted estimators for it. Under regularity conditions, some of which are standard and some of which are new in the literature, we show (pointwise) consistency and asymptotic normality of a fully nonparametric and a semiparametric estimator. We apply our methods to estimate the average effect of a firsttime mother's smoking during pregnancy on the baby's birth weight as a function of per capita income in the mother's zip code. For nonwhite mothers, the average effect of smoking is predicted to become stronger (more negative) as a function of income.