Covariate Balancing and the Equivalence of Weighting and Doubly Robust Estimators of Average Treatment Effects
协变量平衡与平均处理效应加权、双重稳健估计量的等价性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确比较 ATE 和 ATT 的加权与双重稳健估计，并讨论工具变量和双重差分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
协变量平衡与平均处理效应加权、双重稳健估计量的等价性
- 研究问题
- 当倾向得分采用特定协变量平衡方法估计时，IPW、AIPW 和 IPWRA 对 ATE 与 ATT 是否给出相同数值，权重归一化又有何作用？
- 方法与思路
- 作者研究特定协变量平衡倾向得分估计下三类处理效应估计量的数值关系，并讨论工具变量与双重差分的含义，以两个应用说明。
- 材料陈述的贡献
- 摘要称该平衡方法使三类估计量对 ATE 和 ATT 分别数值等价，且所得权重天然归一化，从而统一归一化与未归一化的 IPW、AIPW。
- 阅读关注点
- 核对等价性所需的平衡方程、结果回归设定及权重构造；关注 ATE 与 ATT 的条件是否不同，以及工具变量和双重差分扩展的范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明具体平衡方法与适用条件，数值相同也不能单独证明因果识别或普遍稳健性。
原文摘要
How should researchers adjust for covariates? We show that if the propensity score is estimated using a specific covariate balancing approach, inverse probability weighting (IPW), augmented inverse probability weighting (AIPW), and inverse probability weighted regression adjustment (IPWRA) estimators are numerically equivalent for the average treatment effect (ATE), and likewise for the average treatment effect on the treated (ATT). The resulting weights are inherently normalized, making normalized and unnormalized IPW and AIPW identical. We discuss implications for instrumental variables and difference-in-differences estimators and illustrate with two applications how these numerical equivalences simplify analysis and interpretation.