On the statistical role of inexact matching in observational studies
观察性研究中非精确匹配的统计作用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：摘要直接讨论观察性因果推断中的协变量匹配、混杂偏差与处理后推断有效性。
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
观察性研究中非精确匹配的统计作用
- 研究问题
- 观察性因果研究中，非精确协变量匹配能否像精确匹配一样控制已测混杂并支持随机化检验，其主要统计价值是什么？
- 方法与思路
- 作者分析非精确匹配留下的偏差与随机化检验的渐近有效性，并在局部误设框架下研究匹配之后参数化协变量调整的稳健性。
- 材料陈述的贡献
- 摘要称非精确匹配可能留下重要偏差，使标准随机化检验渐近失效；匹配可降低后续参数分析对模型选择或误设的敏感性。
- 阅读关注点
- 应核对匹配方法、渐近失效结论的条件及局部误设的定义，并查看额外模型调整如何利用匹配所带来的稳健性。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断哪些匹配设置会产生所述偏差及稳健性增益；摘要结论不意味着任意后续模型调整都有效。
原文摘要
Summary In observational causal inference, exact covariate matching plays two statistical roles: (i) it effectively controls for bias due to measured confounding; (ii) it justifies assumption-free inference based on randomization tests. In this paper we show that inexact covariate matching does not always play these same roles. We find that inexact matching often leaves behind statistically meaningful bias, and that this bias renders standard randomization tests asymptotically invalid. We therefore recommend additional model-based covariate adjustment after inexact matching. In the framework of local misspecification, we prove that matching makes subsequent parametric analyses less sensitive to model selection or misspecification. We argue that gaining such robustness is the primary statistical role of inexact matching.