Direct and indirect effects of continuous treatments based on generalized propensity score weighting
基于广义倾向得分加权的连续处理直接效应与间接效应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。
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：摘要直接研究连续处理的自然直接效应与中介间接效应，并以广义倾向得分加权进行估计，因而归入因果推断。
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…
基于广义倾向得分加权的连续处理直接效应与间接效应
- 研究问题
- 如何把连续处理的总因果效应分解为自然直接效应与经一个或多个中介共同传递的间接效应，并开展统计推断？
- 方法与思路
- 作者用处理给定协变量、以及给定协变量与中介的两种条件密度构造广义倾向得分，以其倒数加权观测，建立半参数和非参数估计。
- 材料陈述的贡献
- 摘要称广义倾向得分采用参数或非参数核方法估计时，效应估计量具有渐近正态性，并提供模拟与Job Corps实验数据示例。
- 阅读关注点
- 应核对自然效应的识别假设、连续处理的支持与重叠条件、多个中介的联合处理方式，以及权重估计误差如何进入渐近方差。
- 阅读边界
- 摘要未说明识别自然效应所需的具体条件、核估计设置及实际结果；实验数据示例本身不足以确认中介效应的识别成立。
原文摘要
Summary This paper proposes semi‐ and nonparametric methods for disentangling the total causal effect of a continuous treatment on an outcome variable into its natural direct effect and the indirect effect that operates through one or several intermediate variables called mediators jointly. Our approach is based on weighting observations by the inverse of two versions of the generalized propensity score (GPS), namely the conditional density of treatment either given observed covariates or given covariates and the mediator. Our effect estimators are shown to be asymptotically normal when the GPS is estimated by either a parametric or a nonparametric kernel‐based method. We also provide a simulation study and an empirical illustration based on the Job Corps experimental study.