• 统计研究中心
当前位置: 首页> 系列讲座> 正文

中国人民大学 艾春荣教授: Efficient Estimation of Counterfactual Distributions and Testing Distributional Treatment Effects

光华讲坛——社会名流与企业家论坛第5452期

主题:Efficient Estimation of Counterfactual Distributions and Testing Distributional Treatment Effects

主讲人:中国人民大学 艾春荣教授

主持人:统计学院统计研究中心 林华珍教授

时间:2019年6月20日(星期四)下午3:00-4:00

地点:西南财经大学柳林校区弘远楼408会议室

主办单位:统计研究中心 统计学院 科研处

主讲人简介:

艾春荣(1962.03.10--),湖北浠水人。1982年获华中科技大学(原华中工学院)应用数学专业学士学位。1985年获华中科技大学应用数学硕士学位。1990年获美国麻省理工学院经济学博士学位。2005年入选教育部长江讲座教授。2010年入选中组部“千人计划”国家特聘专家。2006年7月任上海财经大学统计系系主任,上海财经大学高等研究院常务副院长。2009年7月任上海财经大学统计与管理学院院长。2011年4月任上海财经大学商学院副院长。2015年12月任中国人民大学统计与大数据研究院院长。

艾春荣长期从事计量经济学理论与方法、实证产业经济、实证金融、中国经济的教学和科研工作。主持或主持过国家自然基金面上项目3项,参与国家自科基金重点项目1项。在国际主要经济学期刊上发表论文四十余篇。对环境,经济增长,扩大农民消费等中国经济问题的研究成果发表在《经济研究》,《管理世界》,《管理科学学报》、《中国科学》、《数量经济与技术经济研究》,《统计研究》等国内期刊。

主要内容:

This article considers efficient estimation of and inference on counterfactual distributions in a discrete (binary or multivalued) treatment. The counterfactual distributions are estimated by weighted sample averages and the distributional effects are tested by the Mann-Whitney statistics. The difference between this study and other studies in the literature is the way to estimate the weighting functions. While other studies estimate the weighting functions without incorporating the restrictions on the weighting functions, we estimate the weighting functions by imposing those restrictions. As a result, our estimated counterfactual distribution functions and the Mann-Whitney statistics are efficient, attaining the semiparametric efficiency bounds which are also derived in the paper. A small scale simulation study and an application to the job training program illustrate the practical value of the proposed approach.

本文主要研究离散化(二值或多值)治疗中反事实分布的有效估计和推断,其中反事实分布通过加权样本平均值来估计,其分布式效果以Mann-Whitney统计量检验。本文与其他研究的区别在于估计权函数的方式,其他研究者在估计权函数时很少考虑到权函数的限制情况,本文则采取了相应的限制措施。因此,我们估计的反事实分布函数和Mann-Whitney统计量是有效的,并且达到了本文推导出的半参数有效下界。另外,本文还通过小规模的模拟研究和岗位培训项目中的实际应用证实了该方法的实用价值。

 


上一条:新加坡国立大学 夏应存教授: DOUBLE CROSS VALIDATION FOR THE NUMBER OF FACTORS IN APPROXIMATE FACTOR MODELS

下一条:伊利诺伊大学芝加哥分校 陈大川博士: Principal Component Analysis and Realized Regression with Asynchronous and Noisy High Frequency Data