Outcome-Assisted Multiple Imputation of Missing Treatments
利用结果信息辅助缺失处理状态的多重插补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：摘要明确针对观察性研究中的缺失处理状态、倾向得分和平均处理效应的 IPW 估计，直接属于因果推断方法。
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…
关注这篇论文的作者
利用结果信息辅助缺失处理状态的多重插补
- 研究问题
- 观察性研究中处理状态随机缺失时，插补是否应同时利用协变量与结果？研究关注这一选择对平均处理效应估计偏差的影响。
- 方法与思路
- 作者结合结果对处理状态和协变量的回归与倾向得分模型，更新缺失处理状态的预测概率，并分析多重插补后 IPW 估计的偏差。
- 材料陈述的贡献
- 摘要称，结果辅助插补可在理论条件下降低偏差，模拟中的推断表现优于仅使用处理分配模型，并以青年纵向调查数据示例。
- 阅读关注点
- 应核对随机缺失的条件化对象、两类模型的设定要求、偏差变小的条件，以及插补不确定性如何进入处理效应推断。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列出完整模型与收敛条件，不能推断该方法适用于非随机缺失处理状态。
原文摘要
We provide guidance on multiple imputation of missing at random treatments in observational studies. Specifically, analysts should account for both covariates and outcomes, i.e., not just use propensity scores, when imputing the missing treatments. To do so, we develop outcome-assisted multiple imputation of missing treatments: the analyst fits a regression for the outcome on the treatment indicator and covariates, which is used to sharpen the predictive probabilities for missing treatments under an estimated propensity score model. We derive an expression for the bias of the inverse probability weighted estimator for the average treatment effect under multiple imputation of missing treatments, and we show theoretically that this bias can be made small by using outcome-assisted multiple imputation. Simulations demonstrate empirically that outcome-assisted multiple imputation can offer better inferential properties than using the treatment assignment model alone. We illustrate the procedure in an analysis of data from the National Longitudinal Survey of Youth.