Semiparametric Estimation of Average Treatment Effect with Sieve Method
使用筛方法半参数估计平均处理效应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：摘要明确以观察研究中的平均处理效应估计为目标，并构建结果与处理分配模型。
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…
关注这篇论文的作者
使用筛方法半参数估计平均处理效应
- 研究问题
- 在观察研究中，如何以半参数单指标模型刻画结果和处理分配，灵活估计未知链接函数，并据此估计平均处理效应？
- 方法与思路
- 作者用单指标模型描述结果与处理分配，将链接函数置于无限维函数空间，以筛方法同时估计函数和指标参数，再作线性回归。
- 材料陈述的贡献
- 摘要称模型允许链接函数及其支持无界，建立了平均处理效应估计量的渐近性质，并用模拟和实证例子考察有限样本表现。
- 阅读关注点
- 应核对因果识别条件、单指标限制、筛空间与维数选择，以及链接函数估计如何进入最终回归并影响渐近推断。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明具体识别条件、渐近结论，也不能据此认定估计量双重稳健。
原文摘要
Correctly identifying treatment effects in observational studies is very difficult due to the fact that the outcome model or the treatment assignment model must be correctly specified. Taking advantages of semiparametric models in this article, we use single-index models to establish the outcome model and the treatment assignment model, which can allow the link function to be unbounded and have unbounded support. The link function is regarded as a point in an infinitely dimensional function space, and we can estimate the link function and the index parameter simultaneously. The sieve method is used to approximate the link function and obtain the estimator of the average treatment effect by the simple linear regression. We establish the asymptotic properties of the proposed estimator. The finite-sample performance of the proposed estimator is evaluated through simulation studies and an empirical example.