Summary Indices in Treatment Effect Estimation
处理效应估计中的综合指数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：摘要明确研究多个结果合成后对因果处理效应的估计、解释和检验，并讨论三项研究的应用，因此归入因果推断方向。
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
处理效应估计中的综合指数
- 研究问题
- 将多个结果合成为综合指数后，处理效应实际如何加权各分项效应，数据依赖权重又如何影响符号解释、推断和检验功效？
- 方法与思路
- 作者推导常见估计与指数构造隐含的分项权重，提出考虑权重估计误差的方差估计及无需该修正的平移 t 检验。
- 材料陈述的贡献
- 摘要称，逆协方差加权可产生负权重及符号反转；常规无效应检验仍有效，但综合指数通常并不保证提高功效。
- 阅读关注点
- 应核对不同指数构造的权重公式、无效应原假设的含义，以及何时需修正权重不确定性、何时常规或平移检验有效。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未详列估计量与检验条件，不能将符号反转或功效结论推广到所有指数。
原文摘要
This paper studies the practice of combining multiple outcomes into a summary index to estimate a causal effect. For common estimators and index constructions, the estimate equals a weighted sum of the estimated effects on the components, with weights that are implicit and rarely reported. The paper derives the weights and shows that, for inverse-covariance-weighted indices, they can be negative and unrestricted in magnitude, so the index effect can have the opposite sign to every component effect. The paper proposes two procedures for valid inference on the index effect: a variance estimator that accounts for the data-dependent weights, and a shifted t-test that requires no such correction. Conventional t-tests of the null of no effect remain valid. Contrary to common claims, summary indices do not generally improve power. Three published studies illustrate the results.