反事实密度效应与德国东西收入差距

我们提出了一种基于反事实密度进行因果推断的新框架。虽然当前的因果推断范式主要关注估计平均处理效应（ATE），这将分析限制在结果变量的第一时刻上，但我们的密度方法能够基于一般分布特征检测因果效应。遵循Oaxaca-Blinder分解方法，我们考虑两种类型的反事实密度效应，以共同解释 treated 组和 control 组密度之间的观察差异。首先，分布效应是指在保持协变量固定于 treated 组分布的条件下，将 control 组的条件密度更改为 treated 组密度的反事实效应。其次，协变量效应代表了假设性协变量分布变化的效应。在经典的无混杂性和重叠假设下，这两种效应都具有因果解释。方法论上，我们基于将条件密度作为Bayes Hilbert空间中的元素进行分析，这保留了非负性和积分到一的约束。我们指定了灵活的函数可加回归模型来估计条件密度。我们将该方法应用于分析德国东西收入差距，即East Germans与West Germans之间工资差异的观察差异。虽然大多数现有研究聚焦于平均差异，忽略其他分布特征，但我们的密度方法适用于检测反事实分布的所有细微差别，包括零概率质量的差异。