Efficient Estimation of Average Treatment Effects with Mixed Categorical and Continuous Data
混合类别与连续协变量下平均处理效应的有效估计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：摘要明确以混合类型协变量条件下的平均处理效应估计为目标，并给出相关渐近分析与医疗应用，因此归入因果推断。
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…
混合类别与连续协变量下平均处理效应的有效估计
- 研究问题
- 当协变量同时包含类别变量和连续变量时，如何非参数估计平均处理效应，并通过数据驱动的平滑参数减少无关协变量带来的影响？
- 方法与思路
- 作者对离散和连续协变量都进行核平滑，用交叉验证选择平滑参数，并研究自动剔除无关协变量的能力与估计量的渐近分布。
- 材料陈述的贡献
- 摘要称，方法具有相应渐近分布，模拟表现可明显优于按离散类别分样本的传统核方法；右心导管应用所得结论与原研究相反。
- 阅读关注点
- 重点核对平均处理效应的识别条件、离散核与交叉验证的设置、渐近结论的条件，以及右心导管结论变化对模型设定和协变量选择的敏感性。
- 阅读边界
- 摘要未说明处理分配的识别假设、样本规模和效应估计值；模拟优势的普适性及医学应用的因果解释，仍需结合全文证据判断。
原文摘要
In this article, we consider the nonparametric estimation of average treatment effects when there exist mixed categorical and continuous covariates. One distinguishing feature of the approach presented herein is the use of kernel smoothing for both the continuous and the discrete covariates. This approach, together with the cross-validation method. which we use for selecting the smoothing parameters, has the ability to automatically remove irrelevant covariates. We establish the asymptotic distribution of the proposed average treatment effects estimator with data-driven smoothing parameters. Simulation results show that the proposed method is capable of performing much better than the conventional kernel approach whereby one splits the sample into subsamples corresponding to “discrete cells.” An empirical application to a controversial study that examines the efficacy of right heart catheterization on medical outcomes reveals that our proposed nonparametric estimator overturns the controversial findings of Connors et al. (1996), suggesting that their findings may be an artifact of an incorrectly specified parametric model.