The Generalized Oaxaca-Blinder Estimator
广义 Oaxaca–Blinder 估计量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：摘要明确研究随机实验平均处理效应的协变量调整和基于随机化的置信区间。
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
广义 Oaxaca–Blinder 估计量
- 研究问题
- 随机实验估计平均处理效应时，能否将线性协变量调整推广到非线性模型，同时使置信区间有效性仍由随机化支持？
- 方法与思路
- 作者提出用符合文中“简单”要求的非线性模型进行基线协变量调整并构造平均处理效应区间；摘要未定义该模型范围。
- 材料陈述的贡献
- 摘要称区间有效性来自随机化，并称非线性模型拟合优于线性模型时，所得区间比通常的 OLS 调整区间更窄。
- 阅读关注点
- 应核对“简单”模型的精确定义、调整估计量与方差公式，以及区间有效性和宽度改善对拟合、样本规模及模型选择的要求。
- 阅读边界
- 仅依据 OpenAlex 索引摘要，稿件版本未注明；不能把模型范围扩展到任意机器学习方法，也不能认定更好拟合必然改善有限样本区间或推断刊本变化。
原文摘要
After performing a randomized experiment, researchers often use ordinary least-square (OLS) regression to adjust for baseline covariates when estimating the average treatment effect. It is widely known that the resulting confidence interval is valid even if the linear model is misspecified. In this article, we generalize that conclusion to covariate adjustment with nonlinear models. We introduce an intuitive way to use any “simple” nonlinear model to construct a covariate-adjusted confidence interval for the average treatment effect. The confidence interval derives its validity from randomization alone, and when nonlinear models fit the data better than linear models, it is narrower than the usual interval from OLS adjustment.