Partially Retargeted Balancing Weights for Causal Effect Estimation Under Positivity Violations
正值性违背下用于因果效应估计的部分重定向平衡权重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：摘要直接研究正值性违背、平衡加权、处理效应目标与效应迁移，属于因果推断。
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…
正值性违背下用于因果效应估计的部分重定向平衡权重
- 研究问题
- 部分群体始终或从不接受处理时，如何缓解平衡权重的偏差与方差问题，同时尽可能保留原研究问题对应的处理效应目标？
- 方法与思路
- 作者有针对性地放松平衡约束，构造部分重定向的加权估计量，并使用合成数据、观察性研究和随机试验效应迁移进行评估。
- 材料陈述的贡献
- 摘要称倾向模型正确或所有效应修饰变量与目标总体平衡时保留原目标，否则收敛到修改后的目标，并在正值性不成立时降低渐近方差。
- 阅读关注点
- 应核对严格无重叠时原目标可识别所需的结构条件、隐含倾向模型的形式，以及效应修饰变量平衡和目标改变程度如何界定。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实。摘要未说明严格零处理概率下的一致性条件，不能认定放松平衡即可普遍恢复识别。
原文摘要
Positivity violations, which occur when some subgroups either always or never receive a treatment of interest, pose significant challenges for causal effect estimation with observational data. Recent balancing weight methods have proved to be highly effective in confounding control, however their utility is diminished in the presence of positivity violations, resulting in bias and excess variance. Approaches that deal with positivity violations, on the other hand, work by targeting a modified estimand that may be misaligned with the original research question. To address these challenges, we propose a novel balancing weights approach, which mitigates positivity violations while attempting to retain the original estimand by a targeted relaxation of the balancing constraints. Our proposed weighted estimator is consistent for the original estimand when either 1) the implied propensity score model is correct; or 2) all treatment effect modifiers are balanced to the target population. When these conditions do not hold, our estimator is consistent for a slightly modified treatment effect estimand. Furthermore, our proposed weighted estimator has reduced asymptotic variance when positivity does not hold. We evaluate our approach through applications to synthetic data, an observational study, and when transporting a treatment effect from a randomized trial.