A generalized bootstrap procedure of the standard error and confidence interval estimation for inverse probability of treatment weighting
逆概率处理加权标准误与置信区间估计的广义自助法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：摘要明确围绕倾向得分、逆概率处理加权及因果效应的不确定性估计。
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
逆概率处理加权标准误与置信区间估计的广义自助法
- 研究问题
- 当逆概率处理加权包含极端权重和倾向得分估计误差时，如何降低因果效应标准误被低估的风险并改善区间估计？
- 方法与思路
- 作者提出广义自助法估计 IPTW 标准误，将其与普通自助法及修剪权重后的普通自助法比较，并使用模拟和教育数据展示。
- 材料陈述的贡献
- 摘要称广义自助法较普通方法降低标准误低估风险并提高估计效率，相对修剪权重方法也降低低估风险且效率相近。
- 阅读关注点
- 核对重抽样机制与权重处理、是否重新估计倾向得分，以及标准误偏差、区间覆盖率和效率比较采用的具体设计。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未给出重抽样细节和比较数值，改进标准误并不自动解决因果识别偏差。
原文摘要
The inverse probability of treatment weighting (IPTW) approach is commonly used in propensity score analysis to infer causal effects in regression models. Due to oversized IPTW weights and errors associated with propensity score estimation, the IPTW approach can underestimate the standard error of causal effect. To remediate this, bootstrap standard errors have been recommended to replace the IPTW standard error, but the ordinary bootstrap (OB) procedure might still result in underestimation of the standard error because of its inefficient sampling algorithm and un-stabilized weights. In this paper, we develop a generalized bootstrap (GB) procedure for estimating the standard error of the IPTW approach. Compared with the OB procedure, the GB procedure has much lower risk of underestimating the standard error and is more efficient for both point and standard error estimates. The GB procedure also has smaller risk of standard error underestimation than the ordinary bootstrap procedure with trimmed weights, with comparable efficiencies. We demonstrate the effectiveness of the GB procedure via a simulation study and a dataset from the National Educational Longitudinal Study-1988 (NELS-88).