Bootstrap Inference of Matching Estimators for Average Treatment Effects
平均处理效应匹配估计量的自助法推断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。
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：摘要直接研究平均处理效应与已处理群体平均处理效应的匹配估计及推断。
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
平均处理效应匹配估计量的自助法推断
- 研究问题
- 固定匹配数量下，普通自助法无法提供渐近有效推断；如何为平均处理效应及已处理群体的平均处理效应构造有效自助法？
- 方法与思路
- 作者依据匹配估计量的特定线性形式构造加权自助法，并结合已有偏差修正方法，处理基于多维协变量的匹配推断。
- 材料陈述的贡献
- 摘要称，方法为两类平均处理效应匹配估计量提供渐近有效推断；模拟与渐近正态近似比较，并以就业支持项目数据展示应用。
- 阅读关注点
- 核对用于重抽样的线性形式、权重分布与偏差修正步骤，重点查看多维协变量下有效性的条件及模拟中的区间表现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化。摘要未说明处理效应识别假设、权重构造细节及多维匹配的具体正则条件。
原文摘要
It is known that the naive bootstrap is not asymptotically valid for a matching estimator of the average treatment effect with a fixed number of matches. In this article, we propose asymptotically valid inference methods for matching estimators based on the weighted bootstrap. The key is to construct bootstrap counterparts by resampling based on certain linear forms of the estimators. Our weighted bootstrap is applicable for the matching estimators of both the average treatment effect and its counterpart for the treated population. Also, by incorporating a bias correction method in Abadie and Imbens (2011 ——— (2011), “Bias-Corrected Matching Estimators for Average Treatment Effects,” Journal of Business & Economic Statistics, 29, 1–11.[Taylor & Francis Online], [Web of Science ®] , [Google Scholar]), our method can be asymptotically valid even for matching based on a vector of covariates. A simulation study indicates that the weighted bootstrap method is favorably comparable with the asymptotic normal approximation. As an empirical illustration, we apply the proposed method to the National Supported Work data. Supplementary materials for this article are available online.