Treatment bootstrapping: A new approach to quantify uncertainty of average treatment effect estimates
处理组自助法：量化匹配处理效应估计的不确定性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：摘要研究倾向得分匹配下处理组平均处理效应的不确定性量化。
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
处理组自助法：量化匹配处理效应估计的不确定性
- 研究问题
- 对匹配估计得到的处理组平均处理效应，如何通过重新抽样量化不确定性，并改善标准误与置信区间的表现？
- 方法与思路
- 作者只对处理组进行非参数自助抽样，再按估计倾向得分进行不放回配对匹配，通过模拟和真实数据比较现有方法。
- 材料陈述的贡献
- 摘要称该方法具有有效性，其实验中的置信区间覆盖率达到或超过百分之九十五，精度表现受处理比例和样本量影响。
- 阅读关注点
- 应核对自助抽样与不放回匹配的具体步骤、倾向得分是否重新估计、有效性所需条件，以及覆盖率和区间宽度的权衡。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明有效性论证条件，所述覆盖率不能视为任意数据下的保证。
原文摘要
This paper proposes a new non-parametric bootstrap method to quantify the uncertainty of average treatment effect estimate for the treated from matching estimators. More specifically, it seeks to quantify the uncertainty associated with the average treatment effect estimate for the treated by bootstrapping the treatment group only and finding the counterpart control group by pair matching on estimated propensity score without replacement. We demonstrate the validity of this approach and compare it with existing bootstrap approaches through Monte Carlo simulation and analysis of a real world data set. The results indicate that the proposed approach constructs confidence intervals and standard errors that have 95 percent or above coverage rate and better precision compared with existing bootstrap approaches, while these measures also depend on percent treated in the sample data and the sample size.