Large Sample Properties of Entropy Balancing Estimators of Average Causal Effects
平均因果效应熵平衡估计量的大样本性质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：摘要明确研究观察性数据中的协变量平衡、加权与平均因果处理效应，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…
关注这篇论文的作者
平均因果效应熵平衡估计量的大样本性质
- 研究问题
- 熵平衡通过协变量平衡与权重稳定化估计平均因果效应时，其一致性依赖哪些模型要求，又如何估计渐近方差？
- 方法与思路
- 作者研究基于Kullback–Leibler和二次Rényi相对熵的平衡权重估计量，推导大样本性质并提出渐近方差估计。
- 材料陈述的贡献
- 摘要称熵平衡通常仍依赖倾向评分或条件结局的隐含参数假设，并以模拟及瑞典儿童糖尿病登记数据进行考察。
- 阅读关注点
- 应核对平衡函数的选择、两类熵目标的差异、保证一致性的参数假设，以及方差估计是否考虑权重估计误差。
- 阅读边界
- 这是预印本，同行评审未核验；摘要未列出完整模型与识别条件，也未报告模拟表现或观察性应用的具体效应。
原文摘要
Weighting methods are used in observational studies to adjust for covariate imbalances between treatment and control groups. Entropy balancing (EB) is an alternative to inverse probability weighting with an estimated propensity score. The EB weights are constructed to satisfy balance constraints and optimized towards stability. We describe large sample properties of EB estimators of the average causal treatment effect, based on the Kullback-Leibler and quadratic Rényi relative entropies. Additionally, we propose estimators of their asymptotic variances. Even though the objective of EB is to reduce model dependence, the estimators are generally not consistent unless implicit parametric assumptions for the propensity score or conditional outcomes are met. The finite sample properties of the estimators are investigated through a simulation study. In an application with observational data from the Swedish Childhood Diabetes Register, we estimate the average effect of school achievements on hospitalization due to acute complications of type 1 diabetes mellitus.