Estimation of Heterogeneous Treatment Effects Using a Conditional Moment Based Approach
本文针对含内生处理的部分线性模型，提出融合 Robinson 变换、SMD 与 Neyman 正交 FOC 的异质性处理效应估计量，并通过模拟和 Oregon 实验验证其优于传统 GMM。
2024-10-03 econ.EM
Two-way fixed effects estimators with heterogeneous treatment effects
本文揭示双向固定效应线性回归在处理效应异质性下可能因负权重而产生误导性估计，并提出一种新的估计量加以修正，在两个应用中验证了其与传统方法的显著差异。
2020-03-05 econ.EM
Heterogeneous Treatment Effects via Dynamic Panel Data Methods
Louisiana State University（路易斯安那州立大学）；Harvard University（哈佛大学）；Rice University（莱斯大学）
本文研究潜在结果依赖过往处理时的异质性跨期处理效应识别，分析动态面板IV估计量的性质，给出序列可交换性等识别条件，并对比其与平行趋势假设在不同数据场景下的差异。
2026-11-04 econ.EM
Finitely Heterogeneous Treatment Effect in Event-study
该研究放松双重差分的平行趋势假设，提出类型特定平行趋势假设，用极值分类器估计类型分配，构建类型特定双重差分估计量，以分析处理效应和基线结果的异质性。
2024-10-09 econ.EM
Randomization Inference of Heterogeneous Treatment Effects under Network Interference
针对网络干扰下的异质性处理效应，提出基于随机化的检验程序，构建数据依赖焦点分配集，建立渐近有效性并应用于实验数据。
2025-06-24 econ.EM
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
Testing for Heterogeneous Treatment Effects in Regression Discontinuity Designs
Guanghua School of Management, Peking University（北京大学光华管理学院）
本文提出一种非参数检验，用于检测回归不连续设计中的未观测处理效应异质性，通过特征函数转化为积分条件矩约束，并验证了检验的渐近性质与有效性。
2026-09-24 econ.EM
Empirical Decomposition of the IV-OLS Gap with Heterogeneous and Nonlinear Effects
本研究提出了一个计量经济学的框架来解释和经验分解IV和OLS估计值之间的差异时，治疗的真正的因果关系是非线性的治疗水平和异质性的协变量的线性回归模型。我表明，IV-OLS系数差距由三个可估计的组成部分：协变量的权重差异，治疗水平的权重差异，以及确定的边际效应的差异，所产生的内偏置。这个框架的应用程序返回到学校的估计表明，这种区别在正确解释IV-OLS差距的经验相关性。
2022-06-24 econ.EM
Triple Difference Designs with Heterogeneous Treatment Effects
Haverford College（哈弗福德学院）
本文针对三重差分设计中的处理效应异质性，提出受控差异参数及双重稳健估计量，实现亚组间因果比较。
2026-09-11 econ.EM
Instrumented Difference-in-Differences with Heterogeneous Treatment Effects
Yale University（耶鲁大学）
本文提出了一种新的仪器差分-in-差分方法，用于估计异质处理效应，并通过英国教育回报的实证研究展示其有效性。
2026-10-26 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
rdhte: Conditional Average Treatment Effects in RD Designs
本文介绍软件包rdhte，用于精确断点回归设计中基于协变量的异质性处理效应估计与稳健偏差校正推断，并提供自动带宽选择和线性组合估计功能，补充并部分复现经典rdrobust软件包。
2025-07-01 econ.EM
On the falsification of instrumental variable models for heterogeneous treatment effects
Duke University（杜克大学）
本文提出了一种用于检验异质处理效应工具变量模型的可检验推论，区分排除限制和单调性假设的违反，并扩展到多个工具变量的情况。
2026-01-20 econ.EM
Effect or Treatment Heterogeneity? Policy Evaluation with Aggregated and Disaggregated Treatments
提出一种基于双重/去偏机器学习的分解方法，区分效应与处理异质性，揭示被掩盖的异质性并避免虚假发现，应用于评估吸烟对出生体重及Job Corps有效性的异质性影响。
2023-08-03 econ.EM
Denoised IPW-Lasso for Heterogeneous Treatment Effect Estimation in Randomized Experiments
本文提出一种去噪 IPW-Lasso 方法，通过引入降噪程序并结合 Lasso 估计线性 CATE 模型，有效解决了 IPW 转换结果的噪声问题，在随机实验中实现了高准确性与可解释性。
2025-10-12 econ.EM
A Systematic Paradigm for Detecting, Surfacing, and Characterizing Heterogeneous Treatment Effects (HTE)
为了有效地优化和个性化治疗，有必要研究处理效应的异质性。由于在许多在线对照实验中处理了广泛的用户，手动调查异质性的每个维度的典型方法变得过于繁琐，并且容易产生主观的人为偏见。我们需要一种有效的方法来搜索数以千计的实验，数百个目标协变量和数百个细分维度。在本文中，我们提出了一个系统的范式检测，表面和表征异质性处理效应。首先，在指定任何故障之前，我们检测实验中是否存在处理效应变化。第二，我们揭示了异质性最相关的维度。最后，我们通过研究估计的个体处理效应的条件分布来表征条件平均处理效应（CATE）以外的异质性。我们使用模拟数据和实证研究表明，我们的方法的有效性。
2022-11-03 econ.EM stat.ME
Semiparametric estimation of heterogeneous treatment effects under the nonignorable assignment condition
本文提出了一种异质处理效应（HTE）的半参数两阶段最小二乘估计。HTE是第一类Fredholm积分方程的解，这类积分方程是不适定问题。朴素的半/非参数方法不提供稳定的解决方案，这样的问题。然后提出在保证积分逆映射连续和消除不适定性的约束下，用正交级数逼近感兴趣的函数。我们通过仿真实验说明了所提出的估计器的性能。
2019-02-26 econ.EM stat.ME
Heterogeneous Treatment Effects and Causal Mechanisms
Duke University（杜克大学）；New York University（纽约大学）
本文探讨了异质性处理效应如何支持因果机制的推断，指出需额外假设才能证明机制激活，并提供新的解释和研究设计指导。
2025-11-21 econ.EM stat.ME
Discovering Heterogeneous Treatment Effects in Regression Discontinuity Designs
本文提出一种基于诚实断点回归树的因果监督学习算法，在精确和模糊RD设计中自动发现驱动处理效应异质性的协变量，并通过模拟和罗马尼亚中学择校数据验证其有效性。
2025-08-29 econ.EM stat.ML
A Practical Guide to Instrumental Variables Methods with Heterogeneous Treatment Effects
Brandeis University（布兰迪斯大学）；University College London（伦敦大学学院）；LMU Munich（慕尼黑大学）
本文提供工具变量方法在异质处理效应框架下的实用指南，讨论了不同规范对协变量加权平均的影响，参数误设的因果解释问题，以及LATE假设检验方法。
2026-07-22 econ.EM stat.ME
Interpreting OLS Estimands When Treatment Effects Are Heterogeneous: Smaller Groups Get Larger Weights
应用工作通常使用具有加性效应的线性模型来研究二元变量（“治疗”）的效应。我研究的解释OLS估计在这样的模型时，处理效应是异质的。我表明，处理系数是一个凸组合的两个参数，在一定条件下，可以解释为平均处理效应的处理和未处理。这些参数的权重与每组中观察值的比例成反比。依赖这些隐式权重可能会对应用工作产生严重后果，我用两个著名的应用程序来说明。我开发简单的诊断工具，实证研究人员可以使用，以避免潜在的偏见。用于实现这些方法的软件在R和Stata中可用。在一个重要的特殊情况下，我的诊断只需要知道治疗单位的比例。
2020-05-19 econ.EM stat.AP stat.ME
Heterogeneous Treatment Effects in Panel Data
Sloan School of Management（斯隆管理学院）；Massachusetts Institute of Technology（麻省理工学院）；Harvard Business School（哈佛商学院）
本文提出一种结合回归树聚类与面板数据低秩结构的新方法，用于估计异质性处理效应，理论证明其收敛性，并在半合成数据上验证了其优于替代方法的精度与可解释性。
2024-06-09 cs.LG econ.EM stat.ML
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
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
Heterogeneous Treatment Effects for Networks, Panels, and other Outcome Matrices
我们感兴趣的是一个实验的处理效应的分布，其中单位被随机分配到一个治疗，但结果是衡量成对的单位。例如，我们可以衡量参加小额信贷计划的家庭之间的风险分担联系，暴露于贸易冲击的工人和公司之间的雇佣关系，或者投标人对分配给拍卖形式的物品的出价。当分配给相同治疗的单位之间存在社会互动、市场外部性或其他溢出效应时，这种双重随机实验设计可能是合适的。或者它可以描述一个自然的或准实验给研究人员。在本文中，我们提出了一个新的经验策略，比较与每个治疗相关的结果矩阵的特征值。我们的建议是基于一个新的矩阵模拟的Fréchet-Hoeffding界限，发挥了关键作用的标准理论。我们首先使用这个结果来约束处理效应的分布。然后，我们提出了一个新的矩阵模拟的分位数处理效应，这是由不同的特征值。我们称之为模拟光谱处理效应。
2022-10-07 econ.EM stat.ME
Comment on "Generic machine learning inference on heterogeneous treatment effects in randomized experiments."
本文针对CDDF提出的分样本稳健推断计算成本过高的问题，提出一种基于交叉拟合和设计推断的随机化推断方法，在保持通用性和统计效率的同时显著降低计算负担。
2025-02-10 econ.EM stat.ME
Semiparametric Estimation of Treatment Effects in Observational Studies with Heterogeneous Partial Interference
针对异质性部分干扰下的观察性研究，提出条件可交换假设下的广义AIPW估计量，证明其半参数有效性与稳健性，并通过Add Health数据集验证了方法在实际因果效应分析中的应用价值。
2024-06-22 econ.EM math.ST stat.ME
Quasi-Oracle Estimation of Heterogeneous Treatment Effects
对异质性处理效应的灵活估计是许多统计挑战的核心，例如个性化医疗和最佳资源分配。在本文中，我们开发了一个一般类的两步算法的异质性处理效应估计的观察性研究。我们首先估计边际效应和治疗倾向，以形成一个目标函数，隔离信号的因果分量。然后，我们优化这个数据自适应的目标函数。我们的方法比现有的方法有几个优点。从实用的角度来看，我们的方法灵活且易于用途：在这两个步骤中，我们可以使用任何损失最小化方法，例如，惩罚回归、深度神经网络或提升;此外，这些方法可以通过交叉验证进行微调。同时，在惩罚核回归的情况下，我们证明了我们的方法具有准预言属性：即使边缘效应和治疗倾向的试点估计不是特别准确，我们也可以实现与具有这两个滋扰组件的先验知识的预言者相同的误差界。我们实现了我们的方法的基础上惩罚回归，内核岭回归，并在各种模拟设置提升的变种，并找到有前途的性能相对于现有的基线。
2020-08-06 econ.EM math.ST stat.ML
Efficient Discovery of Heterogeneous Quantile Treatment Effects in Randomized Experiments via Anomalous Pattern Detection
本文提出TESS方法，通过非参数扫描统计量最大化，在随机实验中高效发现受处理影响最显著的亚群，并控制错误率，实现检测一致性，经模拟和真实数据验证有效。
2023-05-10 econ.EM stat.ME stat.ML
Comment on "Sequential validation of treatment heterogeneity" and "Comment on generic machine learning inference on heterogeneous treatment effects in randomized experiments"
本文回应两篇相关评论，肯定其对基于样本拆分代理估计后靶向 CATE 汇总特征这一研究议程及推断问题的讨论，并指出替代方案将促进后续研究。
2025-02-19 econ.EM stat.ME
Estimating Marginal Treatment Effects under Unobserved Group Heterogeneity
研究了基于异质性处理规则将个体划分为不可观测组的处理效应模型。使用有限混合的方法，我们提出了一个边际处理效应（MTE）的框架，其中的治疗选择和结果方程可以是异质组。在特定于每个组的工具变量的可用性下，我们表明，每个组的MTE可以单独识别。基于我们的识别结果，我们提出了一个两步半参数估计的MTE组。我们说明了所提出的方法的实用性与应用程序的经济回报，大学教育。
2022-05-23 econ.EM stat.ME
Estimating Heterogeneous Treatment Effects with Item-Level Outcome Data: Insights from Item Response Theory
针对心理测量工具评估的潜变量结果，提出基于项目反应理论的IL-HTE模型，通过估计各项目处理效应解决了标准误低估和识别问题，并利用48项试验的75个数据集验证了其在揭示项目变异和校正测量误差等方面的实用价值。
2025-01-20 econ.EM stat.ME
Inference on Quantile Treatment Effects with Small Treatment Groups
本研究针对多值处理模型中自然出现的小处理组，开发了允许处理组规模保持有界的条件分位数处理效应推断方法，通过结合条件分位数函数估计与分位数指标的伯努利表示，经蒙特卡洛实验验证了其有限样本性能。
2026-10-23 econ.EM econ.GN math.ST
Federated Causal Inference in Heterogeneous Observational Data
Emory University（埃默里大学）；Cornell University（康奈尔大学）；United States Military Academy（美国军事学院）；Harvard University（哈佛大学）；Johns Hopkins University（约翰斯·霍普金斯大学）；Stanford University（斯坦福大学）
针对多站点隐私限制与数据异构性，提出基于倾向得分的联邦因果推断方法，通过本地计算与跨站点聚合估计平均处理效应，并证明其渐近性质及在医疗数据库中的有效性。
2023-04-02 cs.LG econ.EM q-bio.QM
