Treatment Effect Estimators as Weighted Outcomes
将处理效应估计器表示为加权结局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：摘要聚焦处理效应估计器的结局权重，并讨论因果森林、协变量平衡和目标人群解释。
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
将处理效应估计器表示为加权结局
- 研究问题
- 哪些以矩条件定义的处理效应估计器能够唯一表示为观测结局的加权和，具体实现选择又如何影响这些权重及其诊断用途？
- 方法与思路
- 作者建立矩条件表示与唯一加权表示数值等价的一般框架，并用于推导双重机器学习和广义随机森林典型方法的结局权重。
- 材料陈述的贡献
- 摘要称推导了六类典型方法的新权重表示；同时指出部分线性回归类估计器的常规实现中，两组权重未必分别求和为正一和负一。
- 阅读关注点
- 应核对权重存在及唯一性的条件、等价表示如何受实现影响，以及权重归一化、协变量平衡和目标人群解释之间的关系。
- 阅读边界
- 所给版本为 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未给出完整公式，权重归一化不足本身也不能据此判定估计器无效。
原文摘要
Estimators that weight observed outcomes to form effect estimates have a long tradition. Their outcome weights are widely used in established procedures, such as checking covariate balance, characterizing target populations, or detecting and managing extreme weights. This paper introduces a general framework for deriving such outcome weights. It establishes when and how numerical equivalence between an original estimator representation as moment condition and a unique weighted representation can be obtained. The framework is applied to derive novel outcome weights for the six seminal instances of double machine learning and generalized random forests, while recovering existing results for other estimators as special cases. The analysis highlights that implementation choices determine (i) the availability of outcome weights and (ii) their properties. Notably, standard implementations of partially linear regression-based estimators, like causal forests, employ outcome weights that do not sum to (minus) one in the (un)treated group, not fulfilling a property often considered desirable.