Testing Tail-Index Homogeneity via Exceedance-Covariate Independence
Australian National University(澳大利亚国立大学)
本研究提出基于距离协方差的置换检验,检验重尾结果尾指数在协变量间的同质性,经模拟验证其功效,且在法国汽车保险数据中未拒绝共同尾指数。
2026-10-16 econ.EM
Conditional Triple Difference-in-Differences
针对含控制变量的标准三重双重差分法在组间协变量分布不同时存在偏差的问题,提出固定协变量分布识别因果估计量的方法,开发双重稳健估计量并在政策场景中验证应用。
2025-06-12 econ.EM
Estimating Conditional Value-at-Risk with Nonstationary Quantile Predictive Regression Models
本文为分位数预测回归中的内生工具变量方法建立渐近理论,提出双重IVX校正估计器,对非平稳回归元中的持久性程度稳健,并调整协方差矩阵以考虑第一步估计误差。
2024-04-21 econ.EM
Good Controls Gone Bad: Difference-in-Differences with Covariates
Carleton University(卡尔顿大学)
本文指出时变协变量下标准DID估计需满足双向CCC假设,并提出DID-INT估计量,在假设违背、异质性效应与交错处理情形下无偏识别ATT。
2026-10-22 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
Adaptive Estimation of Aggregated Values of Conditional Linear Programs
University of California, Berkeley(加州大学伯克利分校)
针对部分识别参数(如处理效应边界、状态依赖失业模型等),提出协变量辅助方法,将识别集边界表示为回归函数交集的协变量分布平均,证明其正则性并建立渐近理论,通过实证应用验证。
2026-06-06 econ.EM
Doubly Robust Uniform Confidence Bands for Group-Time Conditional Average Treatment Effects in Difference-in-Differences
本文在交错双重差分设定下,提出基于局部多项式回归的三步估计与双重稳健推断方法,为连续协变量下的组-时期条件平均处理效应函数构建统一置信带,并提供了R包didhetero便于实现。
2025-07-15 econ.EM stat.ME
Matched Triple-Differences: A Framework for Covariate Adjustment
UC Santa Barbara(加州大学圣塔芭芭拉分校)
针对三重差分回归中协变量调整的缺陷,提出匹配三重差分框架,构建一致估计量,实证显示结果异于传统3WFE回归。
2026-10-06 econ.EM
Doubly Robust Uniform Confidence Band for the Conditional Average Treatment Effect Function
在本文中,我们提出了一个双重的强大的方法来呈现异质性的平均处理效应相对于观察到的协变量的利益。我们考虑的情况是,需要大量的协变量来识别平均处理效应,但用于分析异质性的协变量的维数要低得多。我们提出的估计是双重鲁棒性和避免灾难的维度。我们提出了一个统一的置信带,很容易计算,我们说明了它的有用性,通过蒙特卡罗实验和应用程序吸烟对出生体重的影响。
2016-10-28 econ.EM stat.ME
Causal Graphs for Conditional Parallel Trends
University of Tübingen(蒂宾根大学)
本文提出Δ-SWIGs用于分析DiD中的有效条件策略,在多时期和时间变化协变量情况下,证明了控制后处理变量对识别的必要性,并指出纯经验验证条件平行趋势的局限性。
2026-04-14 econ.EM
Testing the identification of causal effects in observational data
University of Fribourg(弗里堡大学);Heinrich Heine University Düsseldorf(杜塞尔多夫海因里希·海涅大学)
本文研究了在观测数据中检验治疗对结果的因果效应的可检验条件,通过机器学习方法提出测试该条件的检验方法,并在模拟研究中检验其渐近行为和有限样本性能,同时应用该方法评估生育对女性劳动力供给的影响,发现使用兄弟姐妹前两孩性别比作为工具变量时存在可检验假设的违反。
2026-05-19 econ.EM stat.ME
Functional Sequential Treatment Allocation with Covariates
University of Oxford(牛津大学);Aarhus University(奥胡斯大学);Université libre de Bruxelles(布鲁塞尔自由大学);SBS-EM;ECARES
本文研究带协变量的多臂老虎机问题,提出面向一般条件结果分布函数的处理分配框架,给出期望遗憾下界并构造近似极小极大最优策略。
2020-01-29 cs.LG econ.EM math.ST
Estimation of Conditional Average Treatment Effects with High-Dimensional Data
在无混淆假设下,我们提出了降维条件平均处理效应(CATE)函数的新的非参数估计。在第一阶段中,通过机器学习方法估计识别CATE所需的滋扰函数,允许协变量的数量与样本量相当或大于样本量。第二阶段由低维局部线性回归组成,将CATE减少为感兴趣的协变量的函数。我们考虑两个变量的估计量取决于是否滋扰功能估计超过完整的样本或超过一个坚持的样本。在Belloni等人(2017)和Zhaizhukov等人(2018)的基础上,我们推导了估计量的函数极限理论,并提供了一个易于实现的基于乘数自助法的一致推理过程。实证应用重温母亲吸烟对婴儿出生体重的影响,作为母亲年龄的函数。
2021-07-23 econ.EM
Conditional Rank-Rank Regression
MIT(麻省理工学院);Boston University(波士顿大学);Swiss National Bank(瑞士国家银行);University of Groningen(格罗宁根大学);Georgetown University(乔治城大学)
本文提出条件秩-秩回归,用条件秩替代无条件秩以度量平均组内持续性,其系数为条件平均斯皮尔曼秩相关;基于分布回归的估计方法及瑞士代际流动性实证显示父子持续性高于父女,且小家庭和高教育父亲家庭持续性更强。
2026-09-18 econ.EM stat.ME
Doubly Robust Estimation of Treatment Effects in Staggered Difference-in-Differences with Time-Varying Covariates
Fred Hutchinson Cancer Center(弗雷德·哈钦逊癌症中心);Shanghai University of Finance and Economics(上海财经大学)
本文提出双重鲁棒估计器,用于估计 staggered 差异-in-差异中时间变化协变量的处理效应,通过非参数方法解决负权重问题,并通过模拟和实证研究验证其有效性。
2026-10-01 econ.EM stat.ME
Partial identification via conditional linear programs: estimation and policy learning
Carnegie Mellon University(卡内基梅隆大学)
本文提出统一框架,通过条件线性规划估计部分识别参数的界,并发展两种去偏估计器及策略学习方法,应用于医疗补助研究。
2026-11-02 econ.EM stat.ME
Model-Agnostic Covariate-Assisted Inference on Partially Identified Causal Effects
Stanford University(斯坦福大学)
本文提出一种基于最优运输对偶理论的模型无关推断方法,可用于部分识别因果效应,在随机实验和观察性研究中均有效,能减小识别集与置信区间宽度且计算高效。
2026-08-25 econ.EM math.ST stat.ME
Testing Conditional Stochastic Dominance via Copula Derivatives
School of Management, University of Science and Technology of China(中国科学技术大学管理学院);Guanghua School of Management, Peking University(北京大学光华管理学院)
本文提出一种基于Copula导数的检验方法,用于在共同协变量值下比较两个总体的条件分布,实现一阶随机占优的同时推断,并通过模拟和PSID应用验证其有效性。
2026-09-21 econ.EM stat.AP stat.ME
Conditional nonparametric variable screening by neural factor regression
针对高维协变量的条件变量筛选问题,提出基于神经网络非参数回归的检验方法,通过平滑偏导估计实现渐近正态与一致性,经模拟和真实应用验证有效。
2024-08-20 econ.EM math.ST stat.TH