Efficient Treatment Effect Estimation with Out-of-bag Post-stratification
利用袋外后分层高效估计处理效应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：摘要明确以处理效应估计、后分层及相应置信区间为研究对象。
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…
利用袋外后分层高效估计处理效应
- 研究问题
- 在协变量分布未知且分层规则需要估计时，如何用预测信息提高处理效应估计效率，并反映分层边界和权重的不确定性？
- 方法与思路
- 作者用预测回归将协变量映射为后分层因子，再利用袋外 delete-D jackknife 估计分层边界、权重及点估计方差。
- 材料陈述的贡献
- 摘要称，置信区间纳入分层估计的额外变异；模拟显示，回归模型具有预测力时效率改善，且较回归插补更稳健。
- 阅读关注点
- 应核对袋外样本的构造、分层数与边界选择、权重及方差公式，以及预测力不足时的表现和区间覆盖证据。
- 阅读边界
- 所据为 arXiv 预印本摘要，同行评审与期刊接收未核实；摘要未说明处理分配机制、有效性条件及效率提升的具体幅度。
原文摘要
Post-stratification is often used to estimate treatment effects with higher efficiency. However, the majority of existing post-stratification frameworks depend on prior knowledge of the distributions of covariates and assume that the units are classified into post-strata without error. We propose a novel method to determine a proper stratification rule by mapping the covariates into a post-stratification factor (PSF) using predictive regression models. Inspired by the bootstrap aggregating (bagging) method, we utilize the out-of-bag delete-D jackknife to estimate strata boundaries, strata weights, and the variance of the point estimate. Confidence intervals are constructed with these estimators to take into account the additional variability coming from uncertainty in the strata boundaries and weights. Extensive simulations show that our proposed method consistently improves the efficiency of the estimates when the regression models are predictive and tends to be more robust than the regression imputation method.