The performance of estimators based on the propensity score
基于倾向得分的估计量表现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：摘要直接比较调整观测协变量后的处理组平均处理效应估计方法。
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…
基于倾向得分的估计量表现
- 研究问题
- 在需要调整观测协变量时，不同处理组平均处理效应估计量的有限样本表现如何，样本量、结果类型与选择过程会怎样影响比较？
- 方法与思路
- 作者采用以德国劳动力市场项目评估数据为基础的模拟设计，比较逆概率加权、核匹配、其他匹配方法及参数模型。
- 材料陈述的贡献
- 摘要称，删除权重过大的观测及调参对各估计量都很重要；结合回归的特定半径匹配估计量在所考察设计中整体表现最佳。
- 阅读关注点
- 应核对模拟中的选择机制、倾向得分误设方式、修剪规则与调参方法，并确认整体表现的评价指标及对应设计范围。
- 阅读边界
- 仅据所给出版社摘要，无法判断因果识别条件与具体误差差异；模拟中的整体优势不能直接推广到其他数据或应用环境。
原文摘要
We investigate the finite sample properties of a large number of estimators for the average treatment effect on the treated that are suitable when adjustment for observed covariates is required, like inverse probability weighting, kernel and other variants of matching, as well as different parametric models. The simulation design used is based on real data usually employed for the evaluation of labour market programmes in Germany. We vary several dimensions of the design that are of practical importance, like sample size, the type of the outcome variable, and aspects of the selection process. We find that trimming individual observations with too much weight as well as the choice of tuning parameters are important for all estimators. A conclusion from our simulations is that a particular radius matching estimator combined with regression performs best overall, in particular when robustness to misspecifications of the propensity score and different types of outcome variables is considered an important property.