Estimation Based on Nearest Neighbor Matching: From Density Ratio to Average Treatment Effect
基于最近邻匹配的估计：从密度比到平均处理效应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：摘要直接讨论观察性研究中的匹配、双重稳健性与平均处理效应估计。
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
基于最近邻匹配的估计：从密度比到平均处理效应
- 研究问题
- 当最近邻数量随样本量增长时，匹配方法能否估计处理组与控制组的协变量密度比，并据此获得稳健且有效的平均处理效应估计？
- 方法与思路
- 作者重新分析最近邻匹配中的内在统计量，让邻居数量随样本量增加以估计密度比，再结合既有偏差修正构造处理效应估计量。
- 材料陈述的贡献
- 摘要称，增长邻居数下的偏差修正匹配具有双重稳健性；密度足够光滑且结果模型一致估计时，可达到半参数效率。
- 阅读关注点
- 应核对邻居数的允许增长速度、协变量维度与光滑性要求，以及双重稳健性和半参数效率各自需要哪些条件。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断具体识别条件、增长率限制或有限样本表现；不能将所述效率结论直接用于固定邻居数匹配。
原文摘要
Nearest neighbor (NN) matching is widely used in observational studies for causal effects. Abadie and Imbens (2006) provided the first large‐sample analysis of NN matching. Their theory focuses on the case with the number of NNs, M fixed. We reveal something new out of their study and show that once allowing M to diverge with the sample size an intrinsic statistic in their analysis constitutes a consistent estimator of the density ratio with regard to covariates across the treated and control groups. Consequently, with a diverging M , the NN matching with Abadie and Imbens' (2011) bias correction yields a doubly robust estimator of the average treatment effect and is semiparametrically efficient if the density functions are sufficiently smooth and the outcome model is consistently estimated. It can thus be viewed as a precursor of the double machine learning estimators.