Large Sample Properties of Matching Estimators for Average Treatment Effects
平均处理效应匹配估计量的大样本性质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：摘要明确研究平均处理效应的匹配估计、收敛率及推断，直接对应因果推断；未提供其他细分方向的明确依据。
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
平均处理效应匹配估计量的大样本性质
- 研究问题
- 采用有放回且匹配数固定的匹配方法估计平均处理效应时，估计量能否达到根号N一致性与半参数效率，并如何可靠估计渐近方差？
- 方法与思路
- 针对固定匹配数估计量的高度非光滑性，作者发展新的大样本分析方法，研究有放回匹配的收敛率、效率与渐近方差估计。
- 材料陈述的贡献
- 摘要称，匹配估计量一般不具根号N一致性，并给出达到该速率的条件；简单固定匹配数估计量即使达到该速率也未达效率界，另提供一致方差估计。
- 阅读关注点
- 阅读时应核对根号N一致性的具体条件、简单匹配未达半参数效率界的论证，以及无需一致非参数函数估计的方差估计公式。
- 阅读边界
- 摘要未列出因果识别条件、协变量设定和方差公式；结论聚焦有放回且匹配数固定的估计量，不能直接推广到所有匹配方法。
原文摘要
Matching estimators for average treatment effects are widely used in evaluation research despite the fact that their large sample properties have not been established in many cases. The absence of formal results in this area may be partly due to the fact that standard asymptotic expansions do not apply to matching estimators with a fixed number of matches because such estimators are highly nonsmooth functionals of the data. In this article we develop new methods for analyzing the large sample properties of matching estimators and establish a number of new results. We focus on matching with replacement with a fixed number of matches. First, we show that matching estimators are not N1/2-consistent in general and describe conditions under which matching estimators do attain N1/2-consistency. Second, we show that even in settings where matching estimators are N1/2-consistent, simple matching estimators with a fixed number of matches do not attain the semiparametric efficiency bound. Third, we provide a consistent estimator for the large sample variance that does not require consistent nonparametric estimation of unknown functions. Software for implementing these methods is available in Matlab, Stata, and R.