Isotonic propensity score matching
保序倾向得分匹配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：摘要直接以倾向得分匹配估计平均处理效应，并讨论相应效率与推断问题，因此最直接归入因果推断。
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
保序倾向得分匹配
- 研究问题
- 倾向得分函数具有单调性时，能否利用保序估计改进平均处理效应匹配，并处理匹配数量、调参和推断有效性问题？
- 方法与思路
- 作者以保序回归估计倾向得分，构造一对多匹配的平均处理效应估计量，并为该方法发展一致收敛的保序估计工具。
- 材料陈述的贡献
- 摘要称，保序估计的结构有助于处理效率、匹配数选择、调参、倾向得分误设稳健性与 bootstrap 有效性等问题。
- 阅读关注点
- 应核对倾向得分的单调性针对何种变量或指标、匹配集合如何确定，以及效率、误设稳健性和 bootstrap 有效性的条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未明确单调性形式或稳健性范围，不能推断其允许任意倾向得分误设。
原文摘要
We propose a one-to-many matching estimator of the average treatment effect based on propensity scores estimated by isotonic regression. This approach is predicated on the assumption of monotonicity in the propensity score function, a condition that can be justified in many economic applications. We show that the nature of the isotonic estimator can help us to fix many problems of existing matching methods, including efficiency, choice of the number of matches, choice of tuning parameters, robustness to propensity score misspecification, and bootstrap validity. As a by-product, a uniformly consistent isotonic estimator is developed for our proposed matching method.