balnet: Pathwise Estimation of Covariate Balancing Propensity Scores
balnet：协变量平衡倾向得分的路径估计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：摘要直接涉及倾向得分平衡权重、合成控制及已处理者平均处理效应。
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
balnet：协变量平衡倾向得分的路径估计
- 研究问题
- 如何可扩展地计算协变量平衡倾向得分的正则化路径，使研究者能够沿不同惩罚强度构造平衡权重并用于处理效应分析？
- 方法与思路
- 作者以逻辑型协变量平衡损失结合通用 elastic net 求解器，支持分组和特征特定惩罚，并通过野火卫星数据展示权重构造。
- 材料陈述的贡献
- 摘要介绍 R 包 balnet，提供从最大观测协变量不平衡程度出发的 lasso 权重路径，并展示用于 ATT 的合成控制权重应用。
- 阅读关注点
- 应核对损失函数与平衡条件的关系、路径参数和惩罚因子的定义，以及野火应用中权重构造、调参与 ATT 识别的依据。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未经核实；摘要未说明处理效应识别假设或比较结果，软件功能不等于估计有效性。
原文摘要
We present balnet, an R package for scalable pathwise estimation of covariate balancing propensity scores via logistic covariate balancing loss functions. Regularization paths are computed with Yang and Hastie (2024)'s generic elastic net solver, supporting convex losses with non-smooth penalties, as well as group penalties and feature-specific penalty factors. For lasso penalization, balnet computes a regularization path of balancing weights from the largest observed covariate imbalance to a user-specified fraction of this maximum. We illustrate the method with an application to spatial pixel-level balancing for constructing synthetic control weights for the average treatment effect on the treated, using satellite data on wildfires.