MARC

 008250123s2024        us                              c    eng  d
■001000017162941
■00520250211152115
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384345039
■035    ▼a(MiAaPQ)AAI31460275
■035    ▼a(MiAaPQ)Stanfordgw994jq1576
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a741
■1001  ▼aMunro,  Evan.
■24510▼aCausal  Inference  in  Equilibrium
■260    ▼a[Sl]▼bStanford  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a172  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-03,  Section:  A.
■500    ▼aAdvisor:  Imbens,  Guido;Wager,  Stefan.
■5021  ▼aThesis  (Ph.D.)--Stanford  University,  2024.
■520    ▼aThis  dissertation  contains  three  chapters,  which  each  examine  an  aspect  of  casual  inference  when  observed  agents  are  interacting  through  an  equilibrium.  Chapter  1  studies  the  equilibrium  of  a  Stackelberg  game,  Chapter  2  works  with  a  general  price  equilibrium  setting,  and  Chapter  3  considers  equilibria  of  matching  and  auction  markets.Chapter  1  has  the  title  "Treatment  Allocation  with  Strategic  Agents".  There  is  increasing  interest  in  allocating  treatments  based  on  observed  individual  characteristics:  examples  include  targeted  marketing,  individualized  credit  offers,  and  heterogeneous  pricing.  Treatment  personalization  introduces  incentives  for  individuals  to  modify  their  behavior  to  obtain  a  better  treatment.  Strategic  behavior  shifts  the  joint  distribution  of  covariates  and  potential  outcomes.  The  optimal  rule  without  strategic  behavior  allocates  treatments  only  to  those  with  a  positive  Conditional  Average  Treatment  Effect.  With  strategic  behavior,  we  show  that  the  optimal  rule  can  involve  randomization,  allocating  treatments  with  less  than  100%  probability  even  to  those  who  respond  positively  on  average  to  the  treatment.  We  propose  a  sequential  experiment  based  on  Bayesian  Optimization  that  converges  to  the  optimal  treatment  rule  without  parametric  assumptions  on  individual  strategic  behavior.Chapter  2  has  the  title  "Treatment  Effects  in  Market  Equilibrium"  and  is  joint  work  with  Stefan  Wager  and  Kuang  Xu.  When  randomized  trials  are  run  in  a  marketplace  equilibriated  by  prices,  interference  arises.  To  analyze  this,  we  build  a  stochastic  model  of  treatment  effects  in  equilibrium.  We  characterize  the  average  direct  (ADE)  and  indirect  treatment  effect  (AIE)  asymptotically.  A  standard  RCT  can  consistently  estimate  the  ADE,  but  confidence  intervals  and  AIE  estimation  require  price  elasticity  estimates,  which  we  provide  using  a  novel  experimental  design.  We  define  heterogeneous  treatment  effects  and  derive  an  optimal  targeting  rule  that  meets  an  equilibrium  stability  condition.  We  illustrate  our  results  using  a  freelance  labor  market  simulation  and  data  from  a  cash  transfer  experiment.Chapter  3  has  the  title  "Causal  Inference  under  Interference  through  Designed  Markets".  In  many  markets  a  centralized  mechanism  allocates  goods.  When  an  individual-level  intervention  affects  submissions  to  the  mechanism,  program  evaluation  is  challenging  due  to  spillover  effects  that  occur  through  the  mechanism.  We  show  that  if  the  mechanism  is  truthful  and  has  a  "cutoff"  structure,  then  it  is  possible  to  estimate  the  Global  Treatment  Effect  (GTE)  under  a  selection-on-observables  assumption.  Our  proposed  estimator  is  doubly-robust  and  semi-parametrically  efficient.  We  also  characterize  heterogeneous  treat  ment  effects  and  propose  estimators  for  the  optimal  targeting  rule  in  equilibrium.  Adjusting  for  equilibrium  effects  notably  diminishes  the  estimated  effect  of  information  on  inequality  in  the  Chilean  school  system.
■590    ▼aSchool  code:  0212.
■650  4▼aDesign
■650  4▼aProbability
■650  4▼aDiscount  coupons
■650  4▼aFinance
■690    ▼a0389
■690    ▼a0508
■71020▼aStanford  University.
■7730  ▼tDissertations  Abstracts  International▼g86-03A.
■790    ▼a0212
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17162941▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books