Moving toward best practice when using propensity score weighting in survey observational studies
调查观察研究中倾向得分加权的规范实践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：摘要围绕观察数据的倾向得分加权、目标总体处理效应及相关推断展开，因此属于因果推断；复杂调查并未被描述为面板数据。
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
调查观察研究中倾向得分加权的规范实践
- 研究问题
- 研究复杂调查观察数据中的倾向得分分析，应如何纳入调查权重，才能针对不同目标总体估计处理效应并进行总体层面的推断。
- 方法与思路
- 作者在平衡权重框架中统一处理倾向得分估计和结果回归的调查权重，推导多个目标总体的估计量及统一的夹心方差表达。
- 材料陈述的贡献
- 摘要称借助 M 估计理论建立调查加权估计量的渐近正态性，并通过模拟及两个案例比较方法，提出复杂调查分析的实践建议。
- 阅读关注点
- 应核对各目标总体与估计目标的定义、抽样设计及调查权重的作用，以及方差是否处理分层聚类和权重估计的不确定性。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要未列出因果识别和抽样条件，也未报告比较数值，无法认定某种权重方案普遍最优。
原文摘要
Propensity score weighting is a common method for estimating treatment effects with survey data. The method is applied to minimize confounding using measured covariates that are often different between individuals in treatment and control. However, existing literature does not reach a consensus on the optimal use of survey weights for population-level inference in the propensity score weighting analysis. Under the balancing weights framework, we provided a unified solution for incorporating survey weights in both the propensity score of estimation and the outcome regression model. We derived estimators for different target populations, including the combined, treated, controlled, and overlap populations. We provide a unified expression of the sandwich variance estimator and demonstrate that the survey-weighted estimator is asymptotically normal, as established through the theory of M-estimators. Through an extensive series of simulation studies, we examined the performance of our derived estimators and compared the results to those of alternative methods. We further carried out two case studies to illustrate the application of the different methods of propensity score analysis with complex survey data. We concluded with a discussion of our findings and provided practical guidelines for propensity score weighting analysis of observational data from complex surveys.