Robust and efficient estimation for the treatment effect in causal inference and missing data problems
因果推断与缺失数据问题中处理效应的稳健高效估计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：题名明确涉及因果推断中的处理效应，摘要讨论结果缺失下的稳健估计；概率指数表述尚不足以确定分布效应分类。
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…
因果推断与缺失数据问题中处理效应的稳健高效估计
- 研究问题
- 研究结果变量因协变量相关的缺失机制而不完整时，如何修正仅使用完整数据的 Mann–Whitney 统计量并兼顾稳健性与效率。
- 方法与思路
- 作者利用概率指数建模，将可观测解释变量纳入结果缺失时的 Mann–Whitney 统计量构造，并结合模型方法与非参数方法。
- 材料陈述的贡献
- 摘要称，新方法在全部设定正确时有效率，在部分设定错误时具有双重稳健性，并以模拟和消费者手机贷款数据展示表现。
- 阅读关注点
- 应核对处理效应与概率指数的具体关系、缺失机制假设，以及双重稳健性涉及哪些模型和效率结论采用何种比较基准。
- 阅读边界
- 仅据所给出版社摘要，具体因果识别条件、缺失机制限制及双重稳健的模型组合未说明，不能据此推断对任意缺失机制有效。
原文摘要
The Mann–Whitney statistic based on complete data only might be invalid if the outcome variables are missing due to certain covariates. In this paper, we used the probabilistic index modelling (Thas et al., 2012) to obtain a new Mann–Whitney statistic when missingness occurs in the outcomes but multiple explanatory variables are observable. Our method combined the efficiency of the model-based approach and the robustness of the nonparametric approach. It requires few model assumptions and is shown to be efficient if all specifications are correct, and doubly robust if some part is misspecified. Results from simulation studies and a real data analysis of consumer phone loans are presented to demonstrate the advantages of the proposed method over others.