Simple least squares estimator for treatment effects using propensity score residuals
利用倾向得分残差估计处理效应的简单最小二乘方法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。
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：摘要明确研究非随机处理的效应估计，并以倾向得分残差控制协变量，直接对应因果推断方法。
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
利用倾向得分残差估计处理效应的简单最小二乘方法
- 研究问题
- 在非随机二元处理的效应分析中，如何减少倾向得分匹配所需的任意选择，并以简单回归方式控制协变量？
- 方法与思路
- 作者用倾向得分残差替换处理变量，并可对响应变量作相应替换，再进行最小二乘估计及渐近方差估计。
- 材料陈述的贡献
- 摘要称倾向得分正确设定时可半参数控制协变量，方法稳定易用，并扩展到多处理和非连续响应；模拟中均方误差较低。
- 阅读关注点
- 应核对目标处理效应和识别条件、响应变量残差化的具体含义，以及方差估计、小样本表现和扩展形式的要求。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明。摘要未完整列出因果识别条件；倾向得分正确设定及模拟比较均限制结论范围。
原文摘要
Propensity score matching is widely used to control covariates when analysing the effects of a nonrandomized binary treatment. However, it requires several arbitrary decisions, such as how many matched subjects to use and how to choose them. In this paper a simple least squares estimator is proposed, where the treatment, and possibly the response variable, is replaced by the propensity score residual. The proposed estimator controls covariates semiparametrically if the propensity score function is correctly specified. Furthermore, it is numerically stable and relatively easy to use, compared with alternatives such as matching, regression imputation, weighting, and doubly robust estimators. The proposed estimator also has a simple valid asymptotic variance estimator that works well in small samples. The least squares estimator is extended to multiple treatments and noncontinuously distributed responses. A simulation study demonstrates that it has lower mean squared error than its competitors.