Beyond Linearity: Semiparametric Solutions to Contamination Bias with Multi-valued Treatments
超越线性：多值处理污染偏误的半参数解决方案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：摘要直接研究非二元处理的效应估计、倾向得分与污染偏误稳健性。
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
超越线性：多值处理污染偏误的半参数解决方案
- 研究问题
- 非二元处理回归中的污染偏误如何通过灵活函数形式缓解，参数与半参数方法的选择会怎样改变效应估计和统计不确定性？
- 方法与思路
- 作者用样条近似条件期望和倾向得分，对三类抗污染偏误估计量的参数与半参数版本进行比较，并重分析十一项研究中的十八个回归。
- 材料陈述的贡献
- 摘要称参数与半参数方法的点估计存在较大差异，而采用灵活半参数方法未必明显增加不确定性，并建议核验结论的函数形式稳健性。
- 阅读关注点
- 应核对多值处理下污染偏误的定义、三类估计量的目标参数与识别条件，以及样条复杂度、重叠性和标准误处理如何影响比较。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未列出估计量细节和逐项结果，点估计差异本身不能证明某种方法更接近真实效应。
原文摘要
We examine semiparametric solutions to contamination bias for nonbinary treatments. Deepening the discussion by Goldsmith-Pinkham et al. (2024), we detail how spline functions approximate conditional expectation and propensity score functions under weak functional-form assumptions. Reanalyzing 18 regressions across 11 studies, we compare standard linear regressions against parametric and semiparametric versions of three contamination-robust estimators. We document large point-estimate discrepancies between parametric and semiparametric approaches and find that adopting flexible semiparametric solutions may not increase statistical uncertainty substantially. We recommend that researchers verify the robustness of their conclusions to the use of semiparametric tools that address contamination bias.