Event-Study Designs for Discrete Outcomes with Latent Transition Heterogeneity
Brown University(布朗大学);University of British Columbia(不列颠哥伦比亚大学)
本文提出了一种针对离散结果的事件研究设计方法,通过转换独立性假设和潜在类型马尔可夫结构,改进了面板数据中平均处理效应的估计。
2026-09-10 econ.EM
Bounds on Distributional Treatment Effect Parameters using Panel Data with an Application on Job Displacement
本文开发了新的技术来约束分布处理效应参数,这些参数取决于潜在结果的联合分布--一个对象不被标准识别假设所识别,例如选择可观察量,甚至是随机分配治疗。我表明,面板数据和一个额外的假设之间的依赖性治疗组随着时间的推移,未经治疗的潜在结果(i)提供更多的识别能力的分布处理效应参数比现有的界限和(ii)提供一个更合理的条件比现有的方法,获得点识别。我应用这些界限来研究大衰退期间工作置换效应的异质性。使用标准技术,我发现在大衰退期间被解雇的工人平均损失了34%的收入,相对于他们没有被解雇的反事实收入。使用本文中开发的方法,我还表明,平均效应掩盖了工人之间的实质性异质性。
2020-08-18 econ.EM
Bounds for Treatment Effects in the Presence of Anticipatory Behavior
在计划评估中,各单位通常可以在新政策实施之前就预测到它的实施。这种预期行为可能导致单位的结果变得依赖于他们未来的治疗分配。在本文中,我采用了一个潜在的结果框架来分析与预期的处理效应。我从一个经典的两个时间段的差异中的差异模型开始,并提供易于实现的因果参数估计和推理策略的识别集。经验的应用和推广。我说明了我的研究结果,通过分析提前退休的教师,目标单位可能会预期,对学生成绩的激励计划的效果。实证结果表明,在最坏的情况下,该结果可能被高估30%,并表明在政策评估中没有考虑预期的潜在陷阱。
2022-12-01 econ.EM
Phase transition of the monotonicity assumption in learning local average treatment effects
我们考虑的设置中,一个强大的二元工具可用于二元治疗。传统的LATE方法假设单调性条件,即没有defiers(或compliers)。由于这个条件并不总是明显的,我们调查的灵敏度和可测性的这个条件。特别是,我们专注于这个问题:轻微违反单调性会导致一个小问题还是一个大问题?我们发现一个相变的单调性条件。在相变的边界之一,很容易知道LATE的符号,而在边界的另一侧,不可能知道LATE的符号。不幸的是,相变的不可能的一面包括数据生成过程,在此过程中,反对者的比例趋于零。在二元结果的情况下,这种相变的边界被明确地表征。在特殊情况之外,不可能测试数据生成过程是否在边界的好的一侧。然而,在不遵守几乎是单方面的特殊情况下,这种检验是可能的。我们还提供了简单的替代单调性。
2021-03-24 econ.EM math.ST stat.TH
Bounds for Bias-Adjusted Treatment Effect in Linear Econometric Models
在对不可观测量进行比例选择的线性计量经济学模型中,估计处理效应中的遗漏变量偏误是包含短期和中期回归估计参数的三次方程的实根。三次方的根是$δ$和$R_{max}$的函数,$δ$是对不可观测的选择程度,$R_{max}$是假设的长回归中的R平方,包括不可观测的混杂因素和所有可观测的控制。在本文中,我提出并实现了一种新的算法来计算$δ$平面的相关区域上的三次方程的根,并使用根来构造真实处理效应的边界集。该算法基于两个著名的数学结果:(a)三次方程的判别式可以用来从三个实根的区域中划分唯一实根的区域,以及(b)多项式方程的系数的微小变化将导致其根的微小变化,因为后者是前者的连续函数。我说明我的方法,将其应用到分析母亲的行为对儿童的结果。
2022-03-23 econ.EM
Bounds on Extrapolated Treatment Effects in Regression Discontinuity Designs
Graduate School of Economics, Hitotsubashi University(一桥大学经济学研究科);Attax Co., Ltd.(Attax有限公司)
本文研究回归不连续设计中处理效应外推的识别问题,提出多断点下沿运行变量与断点组的单调性约束以刻画识别集,并辅以光滑性约束收紧,支持偏差感知与矩不等式推断。
2026-09-17 econ.EM
Modeling Covariate Transition for Efficient Estimation of Longitudinal Treatment Effects in Randomized Experiments
SANKEN, The University of Osaka, Osaka, Japan.(大阪大学SANKEN分校);CyberAgent, Inc., Tokyo, Japan(日本东京CyberAgent公司);Keio University, Tokyo, Japan.(东京大学)
提出一种回归调整框架,通过建模协变量转移来估计随机实验中的纵向处理效应,并实现渐近正态性和半参数有效性。
2026-05-29 cs.LG econ.EM math.ST
Treatment Evaluation at the Intensive and Extensive Margins
Aarhus University(奥尔堡大学);Harvard University(哈佛大学)
本文针对无工具变量和参数假设的选择性样本,通过条件单调性假设给出平均处理效应精确界,提出平滑外识别区域的推断方法及半参数有效的去偏机器学习估计量,验证了积极劳动力市场政策中中立群体的存在性。
2026-09-01 econ.EM
Efficient Semiparametric Estimation of Average Treatment Effects Under Covariate Adaptive Randomization
本文针对协变量自适应随机化实验,推导了平均处理效应的半参数效率界,并证明其可通过交叉拟合核估计器实现,为实践中的此类实验提供了有效估计方法。
2023-05-15 econ.EM
Identifying Marginal Treatment Effects in the Presence of Sample Selection
本文介绍了样本选择时边际处理效应(MTE)的识别结果。我们表明,MTE是部分确定的个人总是观察到无论治疗,并得出一致的尖锐的界限,这个参数下三个越来越严格的假设。第一个结果采用了标准的MTE假设与不受限制的样本选择机制。第二组条件对样本选择变量相对于治疗的单调性施加影响,显著缩小了识别集。最后,我们纳入了一个随机优势的假设,收紧下限的MTE。我们的分析扩展到离散工具。结果依赖于混合物重新制定的问题,其中混合物的权重被确定,扩展李(2009年)修剪程序的MTE上下文。我们提出了估计的界限,并使用数据提供的Deb,Munking和Trivedi(2006年),以实证说明我们的方法的有用性。
2021-12-13 econ.EM
Partial Identification of Distributional Treatment Effects in Panel Data using Copula Equality Assumptions
本文提出利用面板数据和两种组内Copula等式假设部分识别分布处理效应,并通过锻炼对体重影响的实证展示其增强识别能力。
2024-11-07 econ.EM
Partially Identified Heterogeneous Treatment Effect with Selection: An Application to Gender Gaps
本文在样本选择模型框架下,利用排除性限制对性别差距进行部分识别,通过按可观测和不可观测特征划分个体类型并推导各类型的比例和性别差距界,揭示了性别差距的异质性特征及其随时间变化的趋势。
2024-10-03 econ.EM
Estimating Treatment Effects Under Bounded Heterogeneity
Brown University(布朗大学);University College London(伦敦大学学院);CEMFI
本文提出regulaTE估计器,在治疗效应异质性有界条件下生成考虑异质性的置信区间,通过调整界使敏感性分析适用于非恒定效应的实证应用。
2026-08-27 econ.EM stat.ME
Sharp Bounds for the Marginal Treatment Effect with Sample Selection
我分析了处理效应的情况下,代理内源性选择到治疗组和观察样本。作为一个理论贡献,我提出了逐点锐界的边际处理效应(MTE)的利益在单调性假设下始终观察到的亚群。此外,我强加了一个额外的平均优势假设,以收紧以前的界限。我进一步讨论如何确定这些界限时,支持的倾向得分是连续的或离散的。使用这些结果,我估计边界的就业军团培训计划的时薪为始终就业的亚群,并发现它是在非西班牙裔组内参加该计划的可能性下降。例如,治疗组的平均处理效应介于\$.33和\$.99之间,而未治疗组的平均处理效应介于\$.71和\$3.00之间。
2019-04-17 econ.EM econ.GN q-fin.EC
(Visualizing) Plausible Treatment Effect Paths
针对政策处理效应路径的估计与可视化难题,提出两类比传统置信带更紧致的合理界,分别聚焦平均效应与数据驱动平滑约束,借助选择后推断提供覆盖保证,还得到表现优异的新点估计量。
2025-05-17 econ.EM stat.ME
Bounding Treatment Effects by Pooling Limited Information across Observations
Columbia University(哥伦比亚大学)
本文提出一种在无混杂性假设下界定平均处理效应的新方法,通过有限信息池化增强鲁棒性,结合蒙特卡洛实验和实证应用展示其有效性。
2026-05-09 econ.EM stat.ME
Heterogeneous Treatment Effect Bounds under Sample Selection with an Application to the Effects of Social Media on Political Polarization
提出一种基于去偏/双重机器学习的异质性因果效应界限估计与推断方法,在无排除性限制的一般样本选择模型中提供条件效应界限,应用于Facebook实验数据后获得了更紧的效应界限并揭示了年轻用户的去极化效应。
2024-07-26 econ.EM stat.ML
Bounds on direct and indirect effects under treatment/mediator endogeneity and outcome attrition
因果中介分析旨在将处理效应分解为通过中间结果或中介物运作的间接机制,以及处理对感兴趣结果的直接效应。然而,直接和间接影响的评估往往是复杂的治疗和/或调解人,即使在控制了可观察到的,以及样本选择/结果磨损的不可替代的选择。我们提出了一种方法,在存在这种并发症的情况下,使用的方法是基于一系列线性规划问题的边界的直接和间接的影响。考虑到逆概率加权的倾向分数,我们计算的权重,将产生识别的情况下的并发症和扰动它们的熵参数反映了特定量的倾向分数误设定,以确定感兴趣的影响。我们应用我们的方法,从全国青年纵向调查1979年的数据,得出的解释和解释不清的成分的性别工资差距分解,很可能倾向于不可解释的调解人的选择和结果的磨损的界限。
2020-05-03 econ.EM stat.ME
Heterogeneous Coefficients, Control Variables, and Identification of Multiple Treatment Effects
多维异质性和内隐性是多处理模型的重要特征。我们考虑一个非均质系数模型,其中的结果是一个虚拟的治疗变量的线性组合,每个变量代表一种不同的治疗。我们使用控制变量来给出平均处理效应的充分必要条件。对于互斥处理,我们发现,如果非均质系数与给定对照的处理无关,则一个简单的识别条件是广义倾向得分(Imbens,2000)远离零,并且它们的总和远离1,概率为1。我们的分析延伸到分布和分位数处理效应,以及相应的处理效应的治疗。这些结果推广了Rosenbaum和Rubin(1983)关于二元处理的经典识别结果。
2021-11-22 econ.EM stat.ME
Treatment Effect Risk: Bounds and Inference
由于平均处理效应衡量的是社会福利的变化,即使是积极的,也有可能对大约10%的人口产生负面影响。然而,评估这种风险是困难的,因为从未观察到任何一个个体处理效应(ITE),因此无法确定10%的最严重影响,而分布处理效应仅比较每个治疗组内的前十分位数,这不对应于任何10%的亚群。在本文中,我们考虑如何评估这一重要的风险措施,正式的条件风险价值(CVaR)的ITE分布。我们利用预处理协变量的可用性,并通过协变量条件平均处理效应(CATE)函数来表征ITE-CVaR的最严格可能的上限和下限。然后,我们继续研究如何有效地估计这些界限的数据和构造置信区间。即使在随机实验中,这也是具有挑战性的,因为它需要了解未知CATE函数的分布,如果我们使用丰富的协变量以便最好地控制异质性,这可能非常复杂。我们开发了一种去偏置方法,克服了这一点,并证明它享有良好的统计特性,即使CATE和其他滋扰估计的黑箱机器学习,甚至不一致。研究一个假设的变化,法国求职咨询服务,我们的界限和推断表明,一个小的社会福利带来了负面影响的一个重要的亚群。
2022-07-19 econ.EM math.OC stat.ME
Estimation and Inference in Boundary Discontinuity Designs: Location-Based Methods
Princeton University(普林斯顿大学)
本文研究了基于位置的局部多项式处理效应估计器,提出对边界平均处理效应曲线及两个聚合因果参数的点估计与统一推断方法,适用于尖锐和模糊设计,并通过实证应用展示方法。
2026-05-14 econ.EM math.ST stat.AP
Minimax and Bayes Optimal Adaptive Experimental Design for Treatment Choice
本文提出了一种最小最大与贝叶斯最优的自适应实验设计方法,通过分阶段估计标准差并按比例分配治疗以优化治疗选择的后悔上界。
2025-12-09 cs.LG econ.EM math.ST
Dynamic Spatial Treatment Effect Boundaries: A Continuous Functional Framework from Navier-Stokes Equations
The University of Tokyo(东京大学)
本文提出基于纳维-斯托克斯方程的连续泛函框架,刻画动态空间处理效应边界,利用卫星数据验证指数衰减规律,并在边界检测与误报控制上优于离散方法。
2025-10-20 econ.EM econ.TH stat.AP
Trading-off Bias and Variance When the Size of the Treatment Effect is Bounded
Sciences Po(巴黎政治学院)
本文研究在 CATE 大小或异质性有界条件下,通过推导极小化极大线性估计量和置信区间来权衡 ATE 估计中的偏差与方差,并在实证中取得约 5% 的精度提升。
2025-11-10 econ.EM math.ST stat.TH
Estimating Treatment Effects Through Intermediate-Event Pathways with Multi-State Data
Vaccine and Infectious Disease Division, Fred Hutchinson Cancer Center(弗雷德·哈钦森癌症中心疫苗与传染病部门);Department of Economics, University of California San Diego(加州大学圣地亚哥分校经济学系);Department of Biostatistics, University of Michigan(密歇根大学生物统计学系);Amazon Inc.(亚马逊公司)
针对多状态数据中存在治疗诱导混杂的中间事件,提出多重稳健半参数有效估计量以估算通路治疗效应,分析利拉鲁肽在 LEADER 试验中对心血管等事件的效应及中介机制。
2026-11-06 econ.EM math.ST stat.ME
A Unified Framework for Spatial and Temporal Treatment Effect Boundaries: Theory and Identification
Faculty of Economics, The University of Tokyo(东京大学经济学部)
本文提出统一理论框架,基于反应-扩散模型检测空间与时间处理效应边界,推导可检验预测,并通过蒙特卡洛模拟和宽带、野火实证验证,提供政策干预阈值识别工具。
2025-10-11 econ.EM econ.GN q-fin.EC
Causal EpiNets: Precision-corrected Bounds on Individual Treatment Effects using Epistemic Neural Networks
RBC Borealis(RBC 前沿实验室);McGill University/Mila(麦吉尔大学/米拉实验室)
本文提出一种神经框架,用于有限样本下的PNS估计,通过锚定神经架构保证结构约束,并利用Epistemic神经网络修正极值偏差,以提高高维情况下的覆盖概率和约束有效性。
2026-05-08 cs.AI cs.LG econ.EM
Gaussian and Bootstrap Approximation for Matching-based Average Treatment Effect Estimators
本文为基于协变量和秩匹配的ATE估计量建立了高斯近似界,采用Malliavin-Stein方法量化匹配数量和处理平衡性的影响,并开发了乘数自助法程序以构建非渐近有效的置信区间。
2024-12-22 econ.EM math.PR math.ST