Improving efficiency and robustness of the doubly robust estimator for a population mean with incomplete data
改进不完整数据下总体均值双重稳健估计的效率与稳健性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：摘要目标是不完整数据下的总体均值，未明确研究处理效应，不能仅凭双重稳健术语归为因果推断。
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…
改进不完整数据下总体均值双重稳健估计的效率与稳健性
- 研究问题
- 不完整数据下估计总体均值时，如何缓解倾向得分与结果回归模型错设，以及估计倾向得分接近零带来的偏差？
- 方法与思路
- 作者在同时使用倾向得分模型和结果回归模型的框架中提出替代双重稳健估计量，考察其相对表现。
- 材料陈述的贡献
- 摘要称，所提估计量相较已有方法具有相当或改进的表现，部分估计倾向得分接近零时也能保持这一表现。
- 阅读关注点
- 应核对缺失机制与观测概率条件、新估计量的构造，以及双重稳健性的含义和两模型均错设时的偏差表现。
- 阅读边界
- 仅据 Crossref 摘要，不能推断其他版本变化；摘要未说明估计量公式或比较指标，也未保证两个模型均错设时仍一致。
原文摘要
Abstract Considerable recent interest has focused on doubly robust estimators for a population mean response in the presence of incomplete data, which involve models for both the propensity score and the regression of outcome on covariates. The usual doubly robust estimator may yield severely biased inferences if neither of these models is correctly specified and can exhibit nonnegligible bias if the estimated propensity score is close to zero for some observations. We propose alternative doubly robust estimators that achieve comparable or improved performance relative to existing methods, even with some estimated propensity scores close to zero.