Covariate association eliminating weights: a unified weighting framework for causal effect estimation
消除协变量关联的权重：因果效应估计的统一加权框架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：摘要明确针对观察性研究的因果处理效应，使用协变量平衡与加权方法。
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…
消除协变量关联的权重：因果效应估计的统一加权框架
- 研究问题
- 观察性研究中，处理分配模型错设可能使最大似然权重产生偏差与高方差，如何通过消除协变量关联改善因果效应估计？
- 方法与思路
- 作者推导权重估计条件，使所选处理分配模型刻画的处理前协变量与处理关联在加权后消失，并将框架扩展到纵向情形。
- 材料陈述的贡献
- 摘要称二元、分类及连续处理的既有平衡矩条件是框架特例；在所示错设模拟中，效应估计偏差与方差小于最大似然方法。
- 阅读关注点
- 应核对被消除关联的具体范围、权重存在性与稳定性、因果识别条件，以及纵向扩展如何处理随时间变化的处理与协变量。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；加权平衡不能单凭摘要保证消除未测混杂，识别条件和比较范围未说明，不能推断刊本变化。
原文摘要
Weighting methods offer an approach to estimating causal treatment effects in observational studies. However, if weights are estimated by maximum likelihood, misspecification of the treatment assignment model can lead to weighted estimators with substantial bias and variance. In this paper, we propose a unified framework for constructing weights such that a set of measured pretreatment covariates is unassociated with treatment assignment after weighting. We derive conditions for weight estimation by eliminating the associations between these covariates and treatment assignment characterized in a chosen treatment assignment model after weighting. The moment conditions in covariate balancing weight methods for binary, categorical and continuous treatments in cross-sectional settings are special cases of the conditions in our framework, which extends to longitudinal settings. Simulation shows that our method gives treatment effect estimates with smaller biases and variances than the maximum likelihood approach under treatment assignment model misspecification. We illustrate our method with an application to systemic lupus erythematosus data.