VIOLATING IGNORABILITY OF TREATMENT BY CONTROLLING FOR TOO MANY FACTORS
控制过多因素可能破坏处理可忽略性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：摘要明确研究潜在结果、随机处理和处理效应估计中的可忽略性。
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
控制过多因素可能破坏处理可忽略性
- 研究问题
- 即使处理相对潜在结果是随机分配的，将分布随处理水平变化的某些因素纳入协变量，为何仍可能破坏可忽略性？
- 方法与思路
- 作者考察具有 J+1 个处理水平的情形，通过所纳入协变量在处理组间分布不同的设定，展示条件化带来的问题。
- 材料陈述的贡献
- 摘要称，加入某些协变量可能违反处理效应估计所需的可忽略性，说明无条件随机分配并不保证控制后的条件独立。
- 阅读关注点
- 应核对示例的联合分布与协变量生成方式，以及随机分配条件、条件化后的独立性和处理效应识别之间的关系。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定具体协变量性质和反例构造；不能据此认为增加任何控制变量都会破坏识别。
原文摘要
This problem shows how the key ignorability-of-treatment assumption used in estimating treatment effects can be violated when certain factors are included among the covariates. The case considered is when there are J + 1 treatment levels, treatment is randomized with respect to potential outcomes, but the distribution of included covariates differs across treatment levels.