本项目在分位数处理效应的统计推断问题获得了重要进展。匹配对设计被广泛应用于随机实验中，其分位数处理效应比平均处理效应更能揭示处理效应的异质性，但其推断通常复杂，需要调整参数。研究团队提出两种方法，分别为梯度Bootstrap和逆概率加权Bootstrap，成功地近似了匹配对设计中分位数处理效应估计量的渐近分布，解决了传统方法中的尺寸失真问题。这些方法在经济学实验设计中得到了应用和验证，其原理和方法同样适用于其他领域的实验研究，如医学、心理学和社会科学等，其中许多研究设计也可能涉及匹配对或类似的依赖结构。

研究成果：Liang Jiang; Xiaobin Liu; Peter C. B. Phillips; Yichong Zhang; Bootstrap Inference for Quantile Treatment Effects in Randomized Experiments with Matched Pairs, Review of Economics and Statistics, 2024, 106(2), 542-556. (SSCI Q1, IF=7.6; ABS 4星)