基于交叉验证的分位数处理效应估计方法.pdf

DOI:10.13546/j.cnki.tjyjc.2024.20.008

理论探讨

基于交叉验证的分位数处理效应估计方法

燕明琪，石洪波ab

（山西财经大学a.统计学院；b.信息学院，太原030006）

摘要：分位数处理效应（QTE）可以用于研究干预处理对整个结果分布的影响，评估干预处理对不同分位

点的异质性影响。双机器学习方法（DML）在因果推断分析中可以克服传统方法的不足，有效解决高维协变量

带来的问题，消除正则化偏差和过拟合偏差，但是DML主要用于平均处理效应的估计，在估计分位数处理效应

时存在计算过程复杂、难以实现的问题。文章提出一种基于交叉验证的分位数处理效应估计方法，该方法以交

叉验证思想构造估计框架，采用机器学习算法估计潜在结果的预测值，并直接利用潜在结果的序列信息得到分

位数值；利用线性时间选择算法，无需对所有的样本进行排序，即可在线性时间内得到分位数；交叉验证估计处

理效应减小了机器学习方法估计带来的偏差。理论分析和实证研究表明，基于交叉验证的分位数处理效应估

计方法的估计结果均较好，得到的估计值接近真实值，估计的标准误也较小。

关键词：因果推断；分位数处理效应；DML；交叉验证

中图分类号：C81文献标识码：A文章编号：1002-6487（2024）20-0049-06

[2]

处理效应。之后，学者们在这两个估计思路的基础上进

[3]

0引言行了扩展，Frolich和Melly（2013）基于倾向得分权重的半

参数估计方法来估计无条件分位数处理效应；蔡宗武等

[4]

因果推断方法是探究数据之间因果关系的基本方法，（2021）根据非参数模型提出了部分条件分位数处理效应

[5]

也是进行社会经济研究、政策评估等的核心方法。目前，模型；Hsu等（2021）提出了利用潜在结果分布函数的反

基于传统因果方法的研究以平均处理效应（ATE）或处理函数来分析未观察到的处理在整个误差分布中的异质性；

[6]

组的平均处理效应（ATT）为主，但是二者都不能准确反映Sun等（2021）使用倾向分数回归和平衡权重两种加权方

干预处理对结果变量分布的影响，存在样本分配的随机法估计了加权分位数处理效应。由此可以看出，分位数处

性、异质性、高维协变量等问题，严重影响了模型推断的质理效应估计的核心和平均处理效应一样，都需要先构造反

量。而分位数处理效应可用于研究干预处理对整个结果事实框架得到准确的潜在结果，再求其相关的分