Specification tests for the propensity score
倾向得分的设定检验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：摘要将倾向得分设定检验用于依赖倾向得分的处理效应估计，直接属于因果推断诊断方法。
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
倾向得分的设定检验
- 研究问题
- 如何检验倾向得分模型是否正确设定，以诊断依赖该模型的处理效应估计方法，并减少高维协变量对非参数检验的影响？
- 方法与思路
- 作者利用处理组与对照组倾向得分分布之间的限制构造检验，通过干扰参数切空间上的正交投影与乘子 bootstrap 模拟临界值。
- 材料陈述的贡献
- 摘要称检验无需带宽等调节参数，不受所述维数灾难影响，能检测以参数速率逼近原假设的一大类局部备择，并提供开源软件。
- 阅读关注点
- 应核对分布限制与正确设定之间的关系、局部备择的覆盖范围、正交投影的作用，以及乘子 bootstrap 的有效性条件。
- 阅读边界
- 仅依据所给出版社摘要，不能确认检验能排除所有错误设定，也不能将不拒绝解释为因果识别成立；软件细节与数值结果未说明。
原文摘要
This paper proposes new nonparametric diagnostic tools to assess the asymptotic validity of different treatment effects estimators that rely on the correct specification of the propensity score. We derive a particular restriction relating the propensity score distribution of treated and control groups, and develop specification tests based upon it. The resulting tests do not suffer from the “curse of dimensionality” when the vector of covariates is high-dimensional, are fully data-driven, do not require tuning parameters such as bandwidths, and are able to detect a broad class of local alternatives converging to the null at the parametric rate n−1∕2, with n the sample size. We show that the use of an orthogonal projection on the tangent space of nuisance parameters facilitates the simulation of critical values by means of a multiplier bootstrap procedure, and can lead to power gains. The finite sample performance of the tests is examined by means of a Monte Carlo experiment and an empirical application. Open-source software is available for implementing the proposed tests.