Robust Estimating Method for Propensity Score Models and its Application to Some Causal Estimands: A review and proposal
倾向得分模型的稳健估计及因果目标量应用：综述与新方案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：摘要围绕倾向得分估计、协变量平衡及 ATE、ATO 等因果目标量展开。
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
倾向得分模型的稳健估计及因果目标量应用：综述与新方案
- 研究问题
- 观测研究中倾向得分模型误设会影响因果效应估计；如何比较既有估计方法，并通过整合候选模型改善估计的稳健性？
- 方法与思路
- 作者综述逻辑回归、CBPS、提升 CART 与半参数策略，提出先估计候选模型再整合的两步方案，并模拟比较 ATE 与 ATO 估计。
- 材料陈述的贡献
- 摘要称提出新的两步整合策略；所报告模拟中，提升 CART 和高阶平衡 CBPS 的偏差绝对值与方差较小，未明确新方案的比较优势。
- 阅读关注点
- 应核对候选模型整合规则、稳健性的具体含义、ATE 与 ATO 的目标人群，以及模拟误设机制、平衡条件和各方法的公平比较。
- 阅读边界
- 所据为 arXiv 预印本，同行评审与期刊接收未核实；摘要未给出两步方案的理论保证或数值结果，模拟表现不能支持普遍优越性。
原文摘要
In observational study, the propensity score has the central role to estimate causal effects. Since the propensity score is usually unknown, estimating by appropriate procedures is an indispensable step. A point to note that a causal effect estimator might have some bias if a propensity score model was misspecified; valid model construction is important. To overcome the problem, a variety of interesting methods has been proposed. In this paper, we review four methods: using ordinary logistic regression approach; CBPS proposed by Imai and Ratkovic; boosted CART proposed by McCaffrey and colleagues; a semiparametric strategy proposed by Liu and colleagues. Also, we propose the novel robust two step strategy: estimating each candidate model in the first step and integrating them in the second step. We confirm the performance of these methods through simulation examples by estimating the ATE and ATO proposed by Li and colleagues. From the results of the simulation examples, the boosted CART and CBPS with higher-order balancing condition have good properties; both the estimate of the ATE and ATO has the small variance and the absolute value of bias. The boosted CART and CBPS are useful for a variety of estimands and estimating procedures.