On Rosenbaum's Rank-based Matching Estimator
论 Rosenbaum 基于秩的匹配估计量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。
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：摘要明确讨论平均处理效应的匹配估计、回归调整及双重稳健性，其核心问题直接属于因果推断。
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…
论 Rosenbaum 基于秩的匹配估计量
- 研究问题
- 使用协变量逐分量秩之间的距离进行匹配，能否在平均处理效应估计中获得双重稳健性和半参数效率？
- 方法与思路
- 作者研究 Rosenbaum 的秩匹配估计量与回归调整的组合，通过理论分析考察其稳健性、效率及对协变量矩条件的要求。
- 材料陈述的贡献
- 摘要称，加入回归调整后，秩匹配估计量具有双重稳健性和半参数效率，且无需施加强限制性的协变量矩假设。
- 阅读关注点
- 应核对平均处理效应的识别条件、双重稳健性对应的模型、回归调整和匹配规则，以及效率结论所需的收敛条件。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未经核实；摘要未列出完整假设，不能把较弱矩要求理解为无条件稳健。
原文摘要
In two influential contributions, Rosenbaum (2005, 2020) advocated for using the distances between component-wise ranks, instead of the original data values, to measure covariate similarity when constructing matching estimators of average treatment effects. While the intuitive benefits of using covariate ranks for matching estimation are apparent, there is no theoretical understanding of such procedures in the literature. We fill this gap by demonstrating that Rosenbaum's rank-based matching estimator, when coupled with a regression adjustment, enjoys the properties of double robustness and semiparametric efficiency without the need to enforce restrictive covariate moment assumptions. Our theoretical findings further emphasize the statistical virtues of employing ranks for estimation and inference, more broadly aligning with the insights put forth by Peter Bickel in his 2004 Rietz lecture (Bickel, 2004).