Sequential Validation of Treatment Heterogeneity
本文基于 Luedtke 和 van der Laan(2016)的鞅构造提出治疗异质性检验的序贯验证框架,可结合 BLP、GATES、QINI 曲线等指标,替代交叉折式验证。
2024-05-09 econ.EM
Group-Level Treatment Effect Heterogeneity in Difference-in-Differences: A Balanced Approach
Swiss Institute of Empirical Economic Research, University of St. Gallen(圣加仑大学瑞士实证经济研究所);Amsterdam School of Economics, University of Amsterdam(阿姆斯特丹大学阿姆斯特丹经济学院);Department of Economics, University of Southern Denmark(南丹麦大学经济学系)
提出平衡群体平均处理效应(BGATT),在标准条件平行趋势假设下隔离处理响应异质性与协变量组成差异,实现群体间效应比较与有效推断。
2026-06-24 econ.EM
Estimating treatment-effect heterogeneity across sites, in multi-site randomized experiments with few units per site
Sciences Po(巴黎政治学院);World Bank(世界银行)
针对多站点随机实验,提出测量误差校正新方法,估计处理效应异质性,应用于法国200个就业办公室咨询项目,发现跨站点标准差大且与未处理就业率负相关。
2026-10-16 econ.EM
Policy Relevant Treatment Effects with Multidimensional Unobserved Heterogeneity
本文提出统一框架,在工具变量下通过凸松弛方法处理多维不可观测异质性,为政策相关处理效应提供保守且计算简单的界,扩展并稳健化了Mogstad等(2018)的界。
2025-05-08 econ.EM
Inference on the TSLS Estimand with Weak Instruments and Treatment Effect Heterogeneity
University of Chicago(芝加哥大学)
针对弱工具变量和处理效应异质性,提出TSLS似然比统计量结合两步法,实现工具变量回归中TSLS估计量的稳健推断。
2026-06-05 econ.EM
A Machine-Learning-Compatible Omnibus Test for Treatment Effect Heterogeneity
University of Exeter(埃克塞特大学);CREST(法国国家经济统计研究中心);UniDistance Suisse(瑞士远程教育大学);ENSAE Paris(巴黎国立高等经济统计学院)
研究提出用于治疗效果异质性的综合检验,与多种估计器兼容,推导了渐近零分布并开发高效自举程序,适用于多种实证设计,模拟显示其在原假设下表现良好,通过实证应用进一步说明。
2026-07-08 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
Orthogonal Integrated Conditional Moment Tests for Treatment Effect Heterogeneity
Peking University(北京大学)
提出非参数集成条件矩检验处理效应异质性,通过重铸原假设降低对干扰参数估计敏感性,推导检验统计量渐近性质,证明其对局部备择假设有功效并开发自助法,还进行了扩展与应用研究。
2026-07-15 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
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
Nonparametric Tests for Treatment Effect Heterogeneity with Duration Outcomes
本文提出了不同的测试处理效应异质性时,关注的结果,通常是一个持续时间变量,可能是右删失。所提出的检验研究策略是否1)对于由协变量值定义的所有子群体具有零分布(平均)效应,以及2)在不同子群体之间具有齐次平均效应。拟定检验基于两步Kaplan-Meier积分,不依赖于参数分布假设、形状限制或限制不同亚群间的潜在处理效应异质性。我们的框架不仅适用于外源性治疗分配,但也可以占治疗不依从性-在许多应用程序中的一个重要特征。建议的测试是一致的固定的替代品,并可以检测到非参数的替代品收敛到零的参数$n^{-1/2}$率,$n$的样本量。临界值计算的协助下,一个乘数的引导。通过蒙特卡罗研究和劳动力市场计划对失业持续时间的影响的应用,检验了所提出的检验的有限样本性质。开放源代码软件可用于执行所有拟议的测试。
2020-02-17 econ.EM stat.ME
Testing for idiosyncratic Treatment Effect Heterogeneity
本文提出一种基于经验特征函数的渐近有效检验方法,用于检验无法由可观测特征解释的特异性处理效应异质性,有效规避了冗余参数问题,模拟和实证均验证了其有效性与更高功效。
2023-04-03 econ.EM stat.AP stat.ME
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
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
Graph Neural Networks: Theory for Estimation with Application on Network Heterogeneity
本文研究图神经网络在网络异质性估计中的应用,推导了估计量收敛速度与半参数因果推断适用性,通过模拟和小额信贷实证验证了性能并提出信息初始接收者选择优化策略。
2024-01-29 econ.EM
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
Treatment Effect Heterogeneity in Regression Discontinuity Designs
本文针对断点回归设计中缺乏正式异质性分析方法的问题,提出统一的完全交互局部线性模型框架,并建立带宽选择与稳健偏差校正推断方法,用于分析异质性处理效应和检验组间差异。
2025-07-03 econ.EM stat.ME
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
Causal Inference under Dynamic Selection and Latent Heterogeneity
University College London(伦敦大学学院)
本研究提出一种基于核函数的双重稳健估计方法,利用预处理结果历史控制潜在异质性,识别交错采纳下的动态处理效应,并应用于美国计划生育项目,估计其对生育率的影响。
2026-10-23 econ.EM
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
Nonlinear Treatment Effects in Shift-Share Designs
Sao Paulo School of Economics - FGV(圣保罗经济学校 - 巴西瓦加斯基金会)
本文在移份额设计中提出控制函数法识别非线性处理效应,定义四个目标参数以刻画异质性并评估反事实政策,应用于中国进口对美国制造业就业的影响,发现常用工具遗漏了显著异质性。
2025-11-09 econ.EM stat.AP
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
Inference with Many Weak Instruments and Heterogeneity
针对许多弱工具变量和异质性处理效应下的线性工具变量回归,提出基于得分统计量和留三法方差估计量的有效检验,渐近均匀最优势无偏,并在应用中产生有界置信集。
2025-04-23 econ.EM
Nonparametric estimation of causal heterogeneity under high-dimensional confounding
本文考虑了非参数估计异质性平均处理效应的实际重要情况,这些效应在选择可观察变量框架中随有限数量的离散和连续协变量而变化,其中可能的混杂因素数量非常大。我们提出了一个两步估计,其中第一步是通过机器学习估计。我们证明了该估计具有良好的统计性质,如一致性,渐近正态性和率倍鲁棒性。特别是,我们推导出非参数和机器学习步骤之间的耦合收敛条件。我们还表明,估计人口平均处理效应平均估计异质性的影响是半参数有效的。新的估计是母亲在怀孕期间吸烟对出生体重影响的一个经验性例子。
2019-08-23 econ.EM
A Nonparametric Test of Heterogeneous Treatment Effects under Interference
本文针对单元间存在干扰时的异质性处理效应推断问题,提出基于核的非参数检验方法和多重检验算法,用以区分处理分配与预处理变量导致的效应异质性,并证明其渐近性质。
2024-10-01 econ.EM
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
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
Factor-Augmented Panel Regressions and Variance-Weighted Treatment Effects
University of Amsterdam(阿姆斯特丹大学);Tinbergen Institute(蒂尔堡研究所);University of Oxford(牛津大学);Nuffield College(纽菲尔德学院)
本文通过方差加权平均处理效应视角重新审视包含未观测异质性的面板回归,证明两种两方式面板估计量在非参数假设下收敛于可解释的估计量,探讨了单个和多个回归变量扩展时的挑战。
2026-04-20 econ.EM
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
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
Estimating Dynamic Treatment Effects in Event Studies with Heterogeneous Treatment Effects
为了估计吸收治疗的动态效应,研究人员经常使用双向固定效应回归,包括治疗的超前和滞后。我们发现,在设置与治疗时间的变化跨单位,在一个给定的铅或滞后的系数可以污染的影响,从其他时期,和明显的pretrends可以出现完全从处理效应异质性。我们提出了一种替代估计,是免费的污染,并说明了相对的缺点,双向固定效应回归的领先地位和滞后,通过实证应用。
2020-09-22 econ.EM
Large-Sample Properties of the Synthetic Control Method under Selection on Unobservables
本文研究合成控制法在不可观测选择下面板数据中的大样本性质,证明在预处理期足够长时,该方法对一类线性模型可提供渐近正态估计,成为双重差分法的替代方案。
2023-12-25 econ.EM
Robust inference for the treatment effect variance in experiments using machine learning
本文针对 VCATE 在零边界处传统推断失效的问题,为带预测第一阶段的多步机器学习估计量提出考虑高阶项的有效置信区间,并揭示其与处理分配决策收益界的联系。
2023-06-06 econ.EM
A Test for Treatment Heterogeneity under a Distributional Difference-in-Difference Framework
University of Florida(佛罗里达大学);The Pennsylvania State University(宾夕法尼亚州立大学)
提出基于最优传输的分布双重差分框架,通过最大均值差异统计量检验处理效应的分布异质性,能检测位置、尺度、形状和尾部变化,理论推导了渐近分布和局部功效。
2026-06-23 econ.EM math.ST stat.AP
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
Demystifying and avoiding the OLS "weighting problem": Unmodeled heterogeneity and straightforward solutions
本文揭示了OLS回归中条件方差权重源于未建模的处理效应异质性,建议通过放宽为“分离线性”假设来彻底避免该问题,并指出多种方法可实现此目标且效率代价适度。
2025-05-02 econ.EM stat.AP stat.ME
2SLS with Multiple Treatments
该研究探讨多处理异质性模型中两阶段最小二乘法(2SLS)的识别问题,得出平均条件单调性与无交叉效应是其识别各处理个体效应正加权和的充要条件,分析可适配多处理、多工具变量及协变量场景,并给出可检验推论与选择行为特征。
2024-05-23 econ.EM
Logs with zeros? Some problems and solutions
本文指出类对数变换的平均处理效应因单位依赖而不能近似百分比效应,提出三难困境,并给出泊松回归、显式校准及Lee界等替代方案,附三个实证应用。
2023-11-15 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
Nonparametric Identification and Estimation of Spatial Treatment Effect Boundaries: Evidence from 42 Million Pollution Observations
Faculty of Economics, The University of Tokyo(东京大学经济学部)
本文提出非参数框架识别估计空间处理效应边界,利用4200万个卫星NO₂观测,证明核回归较参数指数衰减平均降低预测误差1.0个百分点,并验证了时间敏感性。
2025-10-20 econ.EM econ.TH stat.AP
Flexible machine learning estimation of conditional average treatment effects: a blessing and a curse
本研究针对观测数据因果推断中特征不足导致个体处理效应(ITE)与条件平均处理效应(CATE)偏差的问题,扩展因果随机森林(CRF)估计组间条件方差差异,在特定因果假设下可有效估计ITE分布方差,弥补了标准CRF的不足。
2023-07-20 econ.EM math.ST stat.ME
Estimating Heterogeneity in Travel Mode Choice Shifts with Causal Forests
Center for Urban Science and Progress, Tandon School of Engineering New York University(纽约大学坦登工程学院城市科学与工程中心)
本研究将因果森林应用于全国家庭出行调查数据,量化新冠疫情对出行方式选择的异质性因果效应,发现汽车出行占比上升,短途、高收入家庭及女性群体增幅最大,为交通政策制定提供依据。
2026-08-06 econ.EM stat.AP stat.ME
Accounting for Unobservable Heterogeneity in Cross Section Using Spatial First Differences
我们开发了一个横截面的研究设计,以确定因果关系的影响,在存在不可观察的异质性,没有仪器。当单位在物理空间中密集时,可能足以回归治疗结果的“空间第一差异”(SFD)并忽略所有协变量。SFD的辨识假设在数学结构和可验证性上与其他准实验设计相似。我们使用SFD获得新的估计的影响,时间不变的地理因素,土壤和气候,对长期的农业生产力-关系至关重要的经济决策,如土地管理和气候政策,但臭名昭著的混淆不可观测的。
2019-08-21 econ.EM stat.AP stat.ML