Nonparametric tests for treatment effect heterogeneity in observational studies
观察性研究中处理效应异质性的非参数检验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：摘要明确研究观察性数据中的处理效应异质性，并以倾向得分重加权控制混杂，直接对应因果推断方向。
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
观察性研究中处理效应异质性的非参数检验
- 研究问题
- 在存在潜在混杂的观察性研究中，如何检验处理效应是否具有异质性，同时避免对结果分布和各子组效应作参数化建模？
- 方法与思路
- 作者提出基于多样本 U 统计量的非参数检验，使用估计倾向得分确定重加权权重，以处理潜在混杂因素。
- 材料陈述的贡献
- 摘要称，文章建立检验统计量的渐近正态性，模拟表现优于若干比较方法，并展示就业项目及独生子女政策的应用。
- 阅读关注点
- 应核对异质性的零假设如何定义、倾向得分估计误差如何进入推断，以及混杂控制与渐近正态性所需条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明具体识别假设、重叠条件或模拟优势适用的情形。
原文摘要
We consider the problem of testing for treatment effect heterogeneity in observational studies, and propose a nonparametric test based on multisample U-statistics. To account for potential confounders, we use reweighted data where the weights are determined by estimated propensity scores. The proposed method does not require any parametric assumptions on the outcomes and bypasses the need for modeling the treatment effect for each study subgroup. We establish the asymptotic normality for the test statistic, and demonstrate its superior numerical performance over several competing approaches via simulation studies. Two real data applications including an employment program evaluation study and a mental health study of China's one-child policy are also discussed.