Lee Bounds with a Continuous Treatment in Sample Selection
University of California Irvine（加州大学尔湾分校）；Institute of Economics, Academia Sinica（中央研究院经济研究所）
本研究将Lee界推广至连续或多值处理变量的样本选择模型，提出充分处理值假设，并采用双重去偏机器学习估计器，以在较弱假设下收紧因果效应界并捕捉异质性。
2025-10-28 econ.EM
Partial Mean Processes with Generated Regressors: Continuous Treatment Effects and Nonseparable Models
部分均值与生成的回归出现在几个计量经济学问题，如分布的潜在结果与连续治疗和分位数结构函数在一个不可分离的三角模型。本文提出了一种非参数估计的部分均值过程，其中第二步由一个核回归的回归估计在第一步。的主要贡献是一个统一的扩展，详细描述了如何与所产生的回归估计误差影响的边际积分估计的极限分布。一般结果用两个例子来说明：连续治疗的广义倾向评分（Hirano和Imbens，2004）和三角模型中的控制变量（Newey，Powell和Vella，1999; Imbens和Newey，2009）。一个实证应用的工作团计划评估证明了该方法的实用性。
2018-10-31 econ.EM
Randomization Test for the Specification of Interference Structure
Waseda University（早稻田大学）；Kyoto University（京都大学）
本文提出一种新的随机化检验方法，用于检验因果推断中的溢出效应规范性，适用于任何零暴露规范，并通过两个社会网络实验进行实证检验。
2023-12-25 econ.EM stat.ME
Identification and Estimation of Optimal Continuous Treatment Effects
School of Economics, University of Sydney（悉尼大学经济系）
本文针对连续处理效应估计中的不适定密度得分问题，提出基于有界结果权重的一类加权平均导数效应，发展其最优有效估计目标的识别与估计理论，并推导有效影响函数及去偏机器学习估计器。
2026-09-17 econ.EM
Measures of Model Risk in Continuous-time Finance Models
金融和保险市场的监管机构要求测量模型风险。我们将模型风险分为参数估计风险和模型设定风险，并提出了适用于Levy跳跃模型和仿射跳跃扩散模型的期望短缺型模型风险度量。我们研究了参数估计风险和模型规格风险对模型捕捉股票和期权价格联合动态的能力的影响。我们使用马尔可夫链蒙特卡罗技术，在风险中性的概率测度和现实世界的概率测度联合估计的参数。我们发现了强有力的证据支持价格跳跃模型。
2020-10-27 econ.EM
Estimating Treatment Effects in Mover Designs
研究人员越来越多地利用多种治疗方法的运动来估计因果关系。虽然这些“原动者回归”通常是由线性恒定效应模型驱动的，但在较弱的准实验假设下，它们所捕获的内容尚不清楚。我发现，二进制处理移动回归恢复四个差异的差异比较的凸平均值，因此因果关系的解释下，一个标准的平行趋势假设。然而，如果不对处理效应和随时间变化的冲击的异质性进行更严格的限制，多重处理模型的估计值就不一定是因果关系。我提出了一类两步估计隔离和合并的大集合的差异中的差异准实验产生的原动机设计，确定原动机平均处理效应条件下的协变量平行趋势和效果同质性限制。我在这个类的有效估计的特点，并得出规格测试模型的过度识别的限制。未来的草案将把这一理论应用于Finkelstein等人（2016）的移动设计，分析地理对医疗保健利用的因果影响。
2018-04-18 econ.EM
Difference-in-Differences Estimators for Treatments Continuously Distributed at Every Period
Sciences Po Paris（巴黎政治学院）；CREST-ENSAE（法国国家统计与经济研究所经济研究中心）；Princeton University（普林斯顿大学）；University of California, Santa Barbara（加州大学圣塔芭芭拉分校）
本文提出了一种用于连续分布处理的差异-差异估计方法，通过区分转换者和保持者，非参数地识别处理效应，并提出双重鲁棒的估计量。
2026-07-22 econ.EM
Testing Shape Restrictions with Continuous Treatment: A Transformation Model Approach
University of Kent（肯特大学）
本文提出了一种基于转换模型的测试方法，用于检验处理效应的单调性及结果对处理的凹凸性，通过自助法获取临界值，并应用于南非贷款需求与利率的凸性检验。
2025-12-15 econ.EM
Nonparametric Difference-in-Differences in Repeated Cross-Sections with Continuous Treatments
本文提出一种连续处理下基于重复截面数据的非参数双重差分识别策略，允许处理内生，利用数据自身定义对照组识别时间趋势，并给出平均及分位数处理效应的非参数估计量及其渐近性质，最后应用于收入对消费的影响。
2022-05-23 econ.EM
Data-Driven Policy Learning for Continuous Treatments
School of Management and Economics, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）经管学院）；Guanghua School of Management, Peking University（北京大学光华管理学院）
本文提出了一种基于数据的连续治疗政策学习方法，通过近似政策空间和机器学习倾向分数来优化经验福利。
2025-12-01 econ.EM
Continuous difference-in-differences with double/debiased machine learning
University of California, Los Angeles（加州大学洛杉矶分校）；Bates White Economic Consulting（贝茨怀特经济咨询）
本文提出了一种基于双/去偏机器学习的方法，用于估计连续处理下的平均处理效应，并通过实证研究验证了其有效性。
2026-11-08 econ.EM
Causal Identification under Interference: The Role of Treatment Assignment Independence
Concordia University（康科迪亚大学）；University of Geneva（日内瓦大学）
本文研究了在存在任意干扰时，基于个体治疗反应假设的因果识别公式所识别的因果对象，发现其为平均直接效应，并提出了一种稳健性分析框架。
2026-10-19 econ.EM
Entropy Balancing for Continuous Treatments
本文通过扩展Hainmüller（2012）的原始熵平衡方法，介绍了连续治疗的熵平衡（EBCT）。为了估计平衡权重，所提出的方法解决了一个全局凸约束优化问题。EBCT权重可靠地消除协变量和连续治疗变量之间的Pearson相关性。即使当基于广义倾向评分的其他方法由于对不同治疗强度的强选择而倾向于产生不充分的平衡时，情况也是如此。此外，优化过程更成功地避免了极端的重量附加到一个单一的单位。广泛的蒙特卡罗模拟表明，使用EBCT的处理效应估计值显示出相似或较低的偏倚和均匀较低的均方根误差。这些特性使EBCT成为一种有吸引力的连续治疗评价方法。
2020-05-28 econ.EM stat.ME
Estimating a Continuous Treatment Model with Spillovers: A Control Function Approach
本文研究了一个通过社交网络存在治疗溢出的连续处理效应模型。我们假设一个人的结果不仅受到他/她自己的治疗的影响，而且还受到他/她邻居治疗的（加权）平均值的影响，这两者都被视为内生变量。使用具有适当工具变量的控制函数方法，我们表明可以非参数化地识别条件平均潜在结果。我们还考虑了一个更易于经验处理的半参数模型，并为这个模型开发了一个三步估计程序。作为一个实证说明，我们调查的区域失业率对犯罪率的因果关系。
2023-01-11 econ.EM stat.ME
Testing Monotonicity of Mean Potential Outcomes in a Continuous Treatment with High-Dimensional Data
虽然大多数治疗评价集中在二元干预，越来越多的文献也考虑连续分布的治疗。我们提出了一个Cramér-von Mises型检验，用于检验在弱不混淆假设下，特定治疗的平均潜在结果与治疗剂量是否具有弱单调关系。在一个不可分的结构模型，应用我们的方法相当于测试单调性的平均结构函数在连续处理的兴趣。为了在我们的测试方法中灵活地控制可能的高维协变量集，我们提出了一个双去偏机器学习估计器，它以数据驱动的方式解释协变量。我们表明，建议的测试控制渐近大小，并对任何固定的替代品是一致的。这些理论结果得到了蒙特卡罗模拟的支持。作为一个实证说明，我们应用我们的测试的工作团的研究和拒绝之间的弱负相关关系的治疗（小时在学术和职业培训）和劳动力市场表现相对较低的治疗值。
2022-08-27 econ.EM stat.ME
Treatment Effects with Correlated Spillovers: Bridging Discrete and Continuous Methods
Center for Advanced Research in Finance, The University of Tokyo（东京大学高级金融研究中心）
本文提出一个连续框架，整合离散与连续方法，通过互信息度量溢出效应，验证无溢出限制下的正确推断。
2025-12-25 econ.EM econ.TH stat.ME
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
Specification Tests for the Propensity Score
本文提出了新的非参数诊断工具，以评估不同的处理效应估计，依赖于正确的规范的倾向得分的渐近有效性。我们推导出与治疗组和对照组的倾向得分分布相关的特定限制，并基于此开发规格检验。当协变量向量是高维的，完全是数据驱动的，不需要调整带宽等参数，并且能够检测以参数速率$n^{-1/2}$收敛到零的广泛类别的局部备选，其中$n$是样本量。我们表明，使用的滋扰参数的切线空间上的正交投影，便于模拟的临界值通过一个乘数的引导程序，并可以导致功率增益。通过蒙特卡罗实验和经验应用，检验了有限样本性能。开放源码软件可用于执行拟议的测试。
2019-02-07 econ.EM stat.ME
Kernel Ridge Riesz Representers: Generalization, Mis-specification, and the Counterfactual Effective Dimension
Harvard University（哈佛大学）
本文将核平衡权重重新解释为核岭Riesz表示子（KRRR），通过反事实有效维度刻画解决泛化误差、特征误设定及异质性效应推断问题，并应用于401(k)资格对资产影响的因果不确定性量化。
2024-07-04 cs.LG econ.EM math.ST
Estimating Causal Effects of Discrete and Continuous Treatments with Binary Instruments
MIT（麻省理工学院）；U of Bristol（布里斯托大学）；U of Michigan（密歇根大学）；CESifo（CESifo研究所）
提出基于局部copula的工具变量框架，通过恒定局部依赖性假设识别离散和连续治疗的因果效应，并应用于睡眠对幸福感的影响估计。
2026-09-09 econ.EM stat.ME
Causal Inference on Networks under Continuous Treatment Interference
针对连续处理与网络干扰下的非实验政策评估场景，提出基于广义倾向得分的估计量，可估计直接和溢出效应并适配异质强度的非对称网络，农业市场应用显示忽略干扰会低估政策有效性。
2023-06-12 econ.EM stat.AP stat.ME
Automatic Double Machine Learning for Continuous Treatment Effects
本文引入并证明了连续处理效应的一个新的非参数估计的渐近正态性。具体而言，我们估计平均剂量反应函数-在特定治疗水平下感兴趣的结果的预期值。我们利用双去偏机器学习（DML）和自动双重机器学习（ADML）文献的工具来构建我们的估计。我们的估计采用了一种新的去偏置方法，导致很好的理论稳定性和平衡性能。在模拟中，我们的估计表现良好，目前的方法相比。
2021-04-21 econ.EM math.ST stat.ML
Heterogeneous Responses to Continuous Treatments: A Cluster-Based Causal Framework
Sapienza University of Rome（罗马大学）；University of Molise（莫利塞大学）；University of Campania Luigi Vanvitelli（坎帕尼亚路易吉范维泰利大学）
本文提出基于聚类的因果框架，用于估计连续处理强度与结果之间的异质因果关系，通过分析欧洲凝聚力基金与经济增长的关系，揭示不同地区对资金的响应差异。
2026-03-04 econ.EM stat.ME
Difference-in-Differences with Time-varying Continuous Treatments using Double/Debiased Machine Learning
Queen Mary University of London（伦敦大学玛丽女王学院）；University of Fribourg（弗里堡大学）；Bates White Economic Consulting（贝茨怀特经济咨询公司）；University of California, Los Angeles（加州大学洛杉矶分校）
本文提出了一种基于双重/去偏机器学习的差分-in-差分方法，用于估计时间变化连续处理的平均处理效应，并通过巴西疫苗接种率的实证研究验证了其有效性。
2026-01-15 econ.EM stat.ML
Doubly Robust Semiparametric Difference-in-Differences Estimators with High-Dimensional Data
本文提出了一种双稳健两阶段半参数差中差估计，用于估计高维数据的异质处理效应。我们的新估计是鲁棒的模型误规格，并允许，但不需要，比观察更多的回归。第一阶段允许使用一组通用的机器学习方法来估计倾向分数。在第二阶段，我们推导出的收敛速度的参数和未知函数下的部分线性规格的结果方程。我们还提供了偏倚校正程序，以便对异质性处理效应进行有效推断。我们评估有限样本的性能与广泛的模拟研究。此外，作为我们的方法的说明，公平最低工资法对失业率的效果进行了实际数据分析。Github上提供了一个用于实现所提出方法的R包。
2020-09-07 econ.EM stat.ML
Kernel-weighted specification testing under general distributions
本文研究回归元分布含奇异成分且不绝对连续时参数条件均值的核加权设定检验，建立了极限理论，并通过模拟揭示了条件变量分布对检验功效的重要影响。
2023-05-25 econ.EM stat.ME
Design-Robust Two-Way-Fixed-Effects Regression For Panel Data
本文提出融合分配机制权重的双向固定效应估计量，在一般处理模式下具备双重稳健性，并可扩展至动态处理效应。
2024-03-04 econ.EM econ.GN q-fin.EC
Continuous Treatment Recommendation with Deep Survival Dose Response Function
本文提出 DeepSDRF 框架，从含混杂的临床生存观测数据中学习 CADR 函数，并结合随机搜索或强化学习构建经选择偏倚校正的连续治疗推荐方法。
2023-09-26 cs.AI cs.LG econ.EM
