Treatment effect estimation with covariate measurement error
协变量测量误差下的处理效应估计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。
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：摘要明确研究无混杂限制下的平均处理效应，并针对协变量测量误差开展敏感性分析，直接属于因果推断。
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…
关注这篇论文的作者
协变量测量误差下的处理效应估计
- 研究问题
- 如果无混杂限制成立于真实无误差协变量，但研究者只能观测含误差的协变量，平均处理效应估计会受到怎样的影响？
- 方法与思路
- 作者采用小参数渐近方法近似测量误差对平均处理效应估计的影响，并利用结果、处理指标和含误差协变量估计近似项。
- 材料陈述的贡献
- 摘要称，这些近似无需验证数据或工具变量即可估计，可用于敏感性分析，探查协变量测量误差的潜在影响。
- 阅读关注点
- 应核对小参数对应什么误差尺度、误差机制需要哪些限制，以及近似项如何估计和用于处理效应敏感性分析。
- 阅读边界
- 仅据所给出版社摘要，不能将局部近似理解为任意误差水平下的精确校正；误差假设和近似精度均未说明。
原文摘要
This paper investigates the effect that covariate measurement error has on a treatment effect analysis built on an unconfoundedness restriction in which there is conditioning on error free covariates. The approach uses small parameter asymptotic methods to obtain the approximate effects of measurement error for estimators of average treatment effects. The approximations can be estimated using data on observed outcomes, the treatment indicator and error contaminated covariates without employing additional information from validation data or instrumental variables. The results can be used in a sensitivity analysis to probe the potential effects of measurement error on the evaluation of treatment effects.