Local Balance Calibration for Nonparametric Propensity Score Estimation
非参数倾向得分估计的局部平衡校准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：摘要围绕倾向得分、逆概率加权和平均处理效应展开，直接属于观察性数据的因果推断。
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…
关注这篇论文的作者
非参数倾向得分估计的局部平衡校准
- 研究问题
- 观察性研究中，如何在灵活估计倾向得分的同时控制权重不稳定和协变量不平衡，从而改善平均处理效应估计及不确定性量化？
- 方法与思路
- 作者以神经网络实现局部平衡与校准约束，将所得权重用于逆概率加权，并构造基于影响函数的方差估计量。
- 材料陈述的贡献
- 摘要称，该方法在数值研究中改善权重稳定性与协变量平衡，降低效应估计偏差，并提供可靠方差估计；另提供 R 包 LBCNet。
- 阅读关注点
- 应核对局部平衡和校准的数学定义、网络训练与约束实现、影响函数推导，以及模拟中的重叠程度和比较方法调参方式。
- 阅读边界
- 这是预印本，同行评审及期刊接收未核验。摘要未说明因果识别条件、渐近理论的具体要求或数值幅度，性能结论限于所述研究。
原文摘要
The propensity score is widely used for causal inference in observational studies, but common parametric estimators can produce biased and inefficient effect estimates when model assumptions are violated. Nonparametric approaches reduce sensitivity to misspecification but often yield unstable weights and inadequate covariate balance. We propose Local Balance with Calibration, implemented by Neural Networks, a weighting method that combines flexible function approximation with the explicit enforcement of covariate balance and calibration. When used with inverse probability weighting, the proposed estimator produces more stable weights, improved covariate balance, and reduced bias in average treatment effect estimation compared with existing approaches. We further develop an influence-function-based variance estimator that provides accurate uncertainty quantification for the resulting weighted estimators. Numerical studies demonstrate improved efficiency and reliable variance estimation across a range of data-generating scenarios. The method is implemented using the publicly available R package LBCNet.