Treatment Effects of Multi-Valued Treatments in Hyper-Rectangle Model
本研究拓展超矩形模型,通过引入排序处理假设在更宽条件下识别多值处理的边际处理响应,可推导各类处理效应,并提出政策效果检验方法以服务实证政策分析。
2025-09-05 econ.EM
Was Javert right to be suspicious? Marginal Treatment Effects with Duration Outcomes
Universidad ORT Uruguay(乌拉圭ORT大学);Sao Paulo School of Economics - FGV(巴西圣保罗经济管理学院-FGV);Emory University(埃默里大学)
本文研究了右删失结果下的边际处理效应分布,提出半参数估计方法,通过巴西替代刑罚对再犯罪率的影响评估,揭示了处理效应异质性。
2026-06-17 econ.EM
A Uniform Confidence Band for the Marginal Treatment Effect Function
Yale University(耶鲁大学);University of Tokyo(东京大学)
提出构建边际处理效应函数均匀置信带的方法,基于局部二次估计的高斯近似,计算简单且仅需样本量、标准误、核函数和带宽,模拟显示覆盖良好且比Gumbel近似更不保守。
2026-07-02 econ.EM
Marginal treatment effects in the absence of instrumental variables
Center for Quantitative Economic Research, Zhejiang University of Finance & Economics(浙江财经大学数量经济研究中心);School of Economics, Zhejiang University of Finance & Economics(浙江财经大学经济学院);School of Economics, Zhejiang University(浙江大学经济学院);School of Economics, Shanghai University of Finance & Economics(上海财经大学经济学院)
本文提出一种无需工具变量假设的方法,用于估计无工具变量情况下边际处理效应,并通过实证应用展示其在分析异质因果效应中的有效性。
2026-02-27 econ.EM
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
Risk-Averse Welfare Maximization via Marginal Treatment Effects
Grinnell College(格林内尔学院);Indiana University Bloomington(印第安纳大学布卢明顿分校)
本文提出一个结合边际处理效应与相干风险度量的框架,用于风险规避的福利最大化处理分配,并证明其最优规则及有限样本保证,应用于大学录取政策显示风险规避带来显著变化。
2026-09-28 econ.EM
Identification in Multiple Treatment Models under Discrete Variation
Queen Mary University of London(伦敦大学皇家玛丽学院);University of British Columbia(不列颠哥伦比亚大学);Brown University(布朗大学)
本文提出了一种基于边际治疗效应的方法,用于在多重治疗模型中识别因果效应,通过允许有限维参数下的点识别,改进了对Head Start计划的分析结果的稳健性。
2026-01-20 econ.EM
Multicell experiments for marginal treatment effect estimation of digital ads
针对数字广告中单侧不依从的随机实验,提出多单元实验设计与现代估计技术结合的方法,以估计集约边际处理效应,无需额外预算,并在模拟中优于直接优化方法。
2025-04-23 econ.EM
Treatment Effect Models with Strategic Interaction in Treatment Decisions
本研究考虑了处理效应模型,在该模型中,其他人的治疗决定可以影响自己的治疗和结果。针对两个博弈者交互的情形,我们将治疗决策行为描述为一个具有多重均衡的完全信息博弈。使用一个潜在的指标框架,并假设一个随机均衡选择,我们证明了边际处理效应从自己的治疗和从合作伙伴是可识别的条件支持的某些阈值变量确定通过博弈模型。基于我们的建设性的识别结果,我们提出了一个两步半参数估计的边际处理效应使用系列近似的过程。我们证明了所提出的估计是一致相合和渐近正态分布的。作为一个实证研究,我们调查了危险行为对青少年学业成绩的影响。
2023-02-22 econ.EM
Identifying treatment effects on categorical outcomes in IV models
The California Polytechnic State University(加州州立理工大学)
本文在二元处理与工具变量设定下提出分类结果因果推断的非参数框架,通过关联相似性实现点识别,并给出单调关联和有界关联下的部分识别边界,应用于估计私人健康保险对健康结果的影响。
2026-10-07 econ.EM
Treatment effects at the margin: Everyone is marginal
针对政策同时影响参与选择与结果、且处理决定观测对象的内生选择问题,论文提出边际性加权估计量,以识别政策诱导进入者的因果效应。
2025-08-29 econ.EM stat.ME
Identifying Effects of Multivalued Treatments
多值处理模型通常在限制性假设下进行研究:有序选择,最近无序单调性。我们展示了如何在更一般的一类模型中识别处理效应,该模型允许多维未观察到的异质性。我们的研究结果依赖于两个主要的假设:治疗分配必须是一个可测量的函数的阈值交叉规则,必须有足够的连续仪器。我们说明了我们的方法的几类模型。
2018-04-30 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
On Quantile Treatment Effects, Rank Similarity, and Variation of Instrumental Variables
本文研究了处理变量内生时观测与反事实分布关系作为识别条件,通过刻画并放松秩相似性假设,利用更丰富的工具变量变分,为实证研究提供稳健易实现且能得出紧密政策评估的工具。
2023-11-27 econ.EM
Distributional Treatment Effect with Latent Rank Invariance
University of Oxford(牛津大学);School of Social Sciences, University of Surrey(萨里大学社会科学学院)
本文提出基于潜在秩不变性假设的分布处理效应估计方法,利用非负矩阵分解和Neyman正交性推导估计量的极限分布,解决处理效应异质性问题。
2026-09-23 econ.EM
Quantile and Distribution Treatment Effects on the Treated with Possibly Non-Continuous Outcomes
International Food Policy Research Institute(国际粮食政策研究所);Culverhouse College of Business, University of Alabama(阿拉巴马大学卡尔弗豪斯商学院)
本文提出了一种分布差分-in-差分框架,用于在非连续分布结果的情况下识别和进行分布和分位数处理效应的统一推断,通过经济犯罪模型展示了如何处理计数类型的未处理潜在结果。
2026-05-20 econ.EM
Identification of dynamic treatment effects when treatment histories are partially observed
针对治疗历史部分可观测下的路径依赖型治疗效应识别问题,本文提出结合三类模型的稳健双重差分估计量,仅需两类模型设定正确即可识别目标参数,在缺失和模型偏误场景下推断更准确,应用中估计结果与传统方法有实质差异。
2025-06-17 econ.EM
Unobserved Heterogeneous Spillover Effects in Instrumental Variable Models
Department of Economics, University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校经济学系)
本文提出了一种考虑异质性溢出效应的工具变量模型,通过扩展局部平均处理效应框架,建立了非参数点识别条件,并利用Add Health数据展示了教育溢出的异质性。
2025-11-27 econ.EM
On the Identifying Power of Generalized Monotonicity for Average Treatment Effects
University of Southern California(南加州大学);University of Chicago(芝加哥大学);MIT(麻省理工学院);Yale University(耶鲁大学)
本文探讨了广义单调性对平均处理效应识别能力的影响,指出在特定条件下,更强的限制可提升识别能力。
2025-11-18 econ.EM stat.ME
Identifying causal effects with subjective ordinal outcomes
本文研究将主观有序量表响应作为因果推断结果变量的问题,证明了在特定独立性条件下非参数回归可恢复平均因果效应,并应用于收入比较对主观幸福感的影响分析。
2025-01-28 econ.EM
Identifying Treatment and Spillover Effects Using Exposure Contrasts
University of California, Santa Cruz(加州大学圣克鲁兹分校)
本文提出通过暴露对比方法识别治疗和溢出效应,探讨了在无偏条件下避免符号反转的条件,适用于集群随机试验、网络实验和具有同伴效应的观察性研究。
2026-07-28 econ.EM stat.ME
Inference for Nonlinear Endogenous Treatment Effects Accounting for High-Dimensional Covariate Complexity
针对含高维协变量的非线性内生处理效应,本文提出结合控制函数与双重偏差校正的非参数推断方法,并构建边际效应函数置信带。
2024-06-18 econ.EM
Conformalized Lee Inference: Distribution-Free Prediction Sets for Individual Treatment Effect under Monotone Sample Selection
Graduate School of Economics, University of Tokyo(东京大学大学院经济学研究科)
研究单侧选择随机研究中的预测问题,提出共形化李程序,利用处理后的选定观测值训练和检验预测规则,通过观测到的处理-对照选择差距调整临界值,提供可靠覆盖率。
2026-09-17 econ.EM
Identifying Treatment and Spillover Effects with Control-Based and Forecast-Based Counterfactuals
Sapienza University of Rome(罗马第一大学)
研究因果推断中溢出和干扰带来的挑战,比较基于控制和基于预测的两类反事实方法识别因果效应的条件,通过模拟和实证说明方法优缺点,指出在特定溢出效应下基于预测的方法能更可靠识别因果参数。
2026-07-23 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
Identification of multi-valued treatment effects with unobserved heterogeneity
针对存在未观测异质性的内生多值离散处理,本文借助单调性假设建立连续结果处理效应的可识别条件,给出局部处理效应的闭式表达式及示例。
2023-04-26 econ.EM
Identifying Causal Effects in Experiments with Spillovers and Non-compliance
本文展示了如何使用随机饱和实验设计来识别和估计存在溢出效应的因果效应-一个人的治疗可能会影响另一个人的结果-和单侧不依从性-受试者只能被提供治疗,而不是被迫接受治疗。在这种情况下,两种不同的因果效应是有意义的:直接效应量化了一个人自己的治疗如何改变她的结果,而间接效应量化了她的同伴的治疗如何改变她的结果。我们考虑的情况下,溢出发生在已知的群体,并采取决定是不变的同行的实现提供。在这种情况下,我们点识别治疗的治疗效果,直接和间接的,在一个灵活的随机系数模型,允许异质性处理效应和内源性选择到治疗。我们继续提出一个可行的估计,是一致的,渐近正常的数量和规模的群体的增加。我们应用我们的估计数据从一个大规模的就业安置服务实验,并发现负的间接处理效应的就业可能性,为那些愿意采取的程序。这些负面溢出效应被自身吸收的正面直接处理效应所抵消。
2023-01-04 econ.EM stat.ME
Inference on Local Average Treatment Effects for Misclassified Treatment
当二进制处理包含测量误差时,我们发展了局部平均处理效应的点识别。标准的工具变量估计是不一致的参数,因为测量误差是非经典的建设。我们通过使用一个外生变量(甚至可以是二元协变量)来确定测量误差的分布来纠正这个问题。从辨识得到的矩条件导出了具有渐近有效推论的广义矩估计估计方法。蒙特卡罗模拟和一个实证说明所提出的程序的实用性。
2018-04-10 econ.EM
On the Identifying Content of Instrument Monotonicity
本文研究了Imbens和Angrist(1994)的工具单调性假设对具有二元结果、二元处理和二元外生工具的模型中潜在结果分布的识别内容。具体来说,我得出的数据分布的必要和充分条件下,确定的一套分布的潜在结果时,施加的工具单调性假设可以是一个严格的子集,当它不施加。
2019-10-16 econ.EM
Causal Inference for Aggregated Treatment
University of Georgia(佐治亚大学)
本文研究了聚合治疗的因果推断问题,指出在随机分配等理想场景下,聚合治疗的权重存在不唯一、可能为负等缺陷,并提出相应解决方法。
2026-01-07 econ.EM
Identifying causal channels of policy reforms with multiple treatments and different types of selection
我们研究了多种治疗方法和每种治疗方法的不同选择类型的政策改革渠道的识别。我们解开的改革效果的政策效果,选择效果,和时间效应的假设条件下的独立性,共同的趋势,和一个额外的排除限制的非治疗。此外,我们发现的直接和间接的政策效果后,施加额外的顺序条件独立假设的中介变量的识别。我们说明的方法,使用德国的失业人员的职业培训分配制度的改革。这项改革将培训分配从强制性制度改为自愿凭单制度。与此同时,参与者的选择标准发生了变化,改革改变了课程类型的构成。我们认为课程构成是政策改革的中介变量。我们发现,从以前的研究经验证据逆转时,考虑课程组成。这对政策结论具有重要影响。
2020-10-11 econ.EM econ.GN q-fin.EC
An Algorithm for Identifying Interpretable Subgroups With Elevated Treatment Effects
Department of Political Science, Stanford University(政治学系,斯坦福大学)
提出一种基于条件平均处理效应(CATE)估计识别可解释子群的算法,利用规则集刻画高阶交互,通过权衡子群规模与效应规模生成Pareto最优规则集前沿,辅助决策与政策实施。
2025-07-13 cs.LG econ.EM stat.ME
Nonparametric Point Identification of Treatment Effect Distributions via Rank Stickiness
The University of Chicago(芝加哥大学)
本文提出非参数点识别治疗效应分布的方法,通过排名粘性参数实现,无需强假设,且能处理排名违反情况,推导出闭式条件矩和违反概率,扩展到观察性研究。
2026-04-23 econ.EM stat.ME
Bounds on the Distribution of a Sum of Two Random Variables: Revisiting a problem of Kolmogorov with application to Individual Treatment Effects
本文重新审视Kolmogorov关于两个随机变量之和分布界的问题,纠正了现有文献中的错误,并将其应用于个体处理效应的推断,强化了Fan和Park的结果。
2025-03-25 econ.EM math.PR 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
A General Approach to Relaxing Unconfoundedness
本文定义了一类放松无混杂性假设的一般方法,涵盖边际敏感性模型等特例,并为包括分位数处理效应和处理效应分布在内的大类参数提供了新的尖锐边界。
2025-01-26 econ.EM stat.ME
Identification in Endogenous Sequential Treatment Regimes
本文提出一种基于动态工具变量与动态边际处理效应的非参数识别方法,用于内生序贯处理机制下的处理效应识别,放松了支撑集与不可观测收益假设,并通过蒙特卡洛模拟验证了筛分估计量的有限样本性能。
2023-11-30 econ.EM stat.AP
Policy design in experiments with unknown interference
Harvard University(哈佛大学);Oregon State University(俄勒冈州立大学);Stanford University(斯坦福大学);University of Chicago(芝加哥大学)
本文研究了存在外溢效应的政策估计与推断实验设计。通过在集群对间变化随机化来估计治疗概率变化的边际效应,提出政策最优性检验,并设计多波实验估计福利最大化治疗规则。
2026-10-08 cs.LG econ.EM stat.ME
$β$-Intact-VAE: Identifying and Estimating Causal Effects under Limited Overlap
The Graduate University for Advanced Studies(综合研究大学院大学);The Institute of Statistical Mathematics(统计数学研究所)
作为因果推断中的一个重要问题,我们讨论了有限重叠下的处理效应(TE)的识别和估计,也就是说,当具有某些特征的受试者属于一个单一的治疗组。我们使用一个潜在变量来模拟一个预后评分,该评分在生物统计学中广泛使用,并且足以用于TE;即,我们建立了一个生成预测模型。我们证明了潜在变量恢复了预后评分,并且模型识别了个体化处理效应。然后将该模型学习为β-Intact-VAE-一种新型的变分自动编码器(VAE)。我们推导出TE误差界,使代表平衡的治疗组条件个性化的功能。所提出的方法相比,最近的方法使用(半)合成数据集。
2021-10-11 cs.LG econ.EM stat.ME
Interpreting Quantile Independence
人们应该如何评估比统计独立性弱的假设的可信度,比如分位数独立性?在确定治疗变量的因果效应的背景下,我们认为,这种偏差应该选择的基础上,他们允许的不可观测的选择形式。对于分位数独立性,我们描述了这种形式的治疗选择。具体来说,我们表明,分位数的独立性是相当于一个约束的平均值的潜在倾向得分(二进制治疗)或CDF的治疗不可观测(连续治疗)。在这两种情况下,该平均值约束需要一种非单调处理选择。利用这些结果,我们表明,几种常见的治疗选择模型是不相容的分位数独立。我们引入了一类假设,通过去除平均值约束来削弱分位数独立性,因此允许单调处理选择。在二元治疗的潜在结果模型中,我们在两类假设下推导出ATT和QTT的识别集。在一个数值例子中,我们表明,固有的分位数独立的平均值约束有很大的识别能力。我们的研究结果表明,研究人员应该仔细考虑这种非单调性属性的可信度时,使用分位数的独立性,以削弱完全的独立性。
2018-04-29 econ.EM 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
On Quantile Treatment Effects, Rank Similarity,and Variation of Instrumental Variables
针对不可分离内生性下的分布处理效应识别,本文弱化秩相似性假设,借助线性半无限规划构造识别界,并证明经验规划的大样本性质。
2025-10-19 econ.EM stat.ME
Detecting Grouped Local Average Treatment Effects and Selecting True Instruments
University of Innsbruck(因斯布鲁克大学);TU Munich(慕尼黑工业大学);University of Fribourg(弗里堡大学);IHS, Vienna(维也纳国际高等教育研究所)
针对内生二元处理的异质性效应及多工具变量场景,提出两步法识别同LATE的依从者群体,可数据驱动选真实工具变量,经模拟与实证(监禁对累犯的影响)验证其一致性与有限样本性质。
2026-08-25 econ.EM stat.AP stat.ME
Assessing Heterogeneity of Treatment Effects
本文利用边际分布推导异质性处理效应的非参数严格界限,并在平均效应不显著或理论预测相悖时,通过微观金融和福利改革案例展示其实用性。
2025-08-06 econ.EM stat.AP stat.ME