Combining Parametric and Nonparametric Models to Estimate Treatment Effects in Observational Studies
结合参数与非参数模型估计观察性研究中的处理效应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：摘要直接研究观察性数据中的混杂调整、g-computation 与处理效应估计，因此归入因果推断；未提供结构经济模型的依据。
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
结合参数与非参数模型估计观察性研究中的处理效应
- 研究问题
- 在观察性研究中，混杂变量增多会使协变量组合的数据稀疏；如何兼顾处理效应估计的模型灵活性与贝叶斯计算效率？
- 方法与思路
- 作者通过概念性拆分数据结合参数与非参数结果模型，保留共轭结构以避免 MCMC，并利用中心极限定理近似与随机抽样扩展计算。
- 材料陈述的贡献
- 摘要提出融合两类结果模型的处理效应估计方法，通过构造模拟展示方法表现，并与其他基准模型比较计算成本。
- 阅读关注点
- 应核对概念性数据拆分的数学含义、混杂调整与模型设定要求、近似误差控制，以及高维模拟中的统计精度和计算成本。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未说明完整识别条件和误差界，计算效率不能直接等同于估计准确性。
原文摘要
Performing causal inference in observational studies requires we assume confounding variables are correctly adjusted for. G-computation methods are often used in these scenarios, with several recent proposals using Bayesian versions of g-computation. In settings with few confounders, standard models can be employed, however as the number of confounders increase these models become less feasible as there are fewer observations available for each unique combination of confounding variables. In this paper we propose a new model for estimating treatment effects in observational studies that incorporates both parametric and nonparametric outcome models. By conceptually splitting the data, we can combine these models while maintaining a conjugate framework, allowing us to avoid the use of MCMC methods. Approximations using the central limit theorem and random sampling allows our method to be scaled to high dimensional confounders while maintaining computational efficiency. We illustrate the model using carefully constructed simulation studies, as well as compare the computational costs to other benchmark models.