ISOTONIC PROPENSITY SCORE MATCHING
保序倾向得分匹配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：摘要明确以倾向得分匹配估计平均处理效应，直接属于因果推断。
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
保序倾向得分匹配
- 研究问题
- 在倾向得分函数满足单调性的条件下，如何构造平均处理效应的一对多匹配估计，并处理匹配数量、调参及自助推断问题？
- 方法与思路
- 作者用保序回归估计倾向得分，再构造一对多匹配估计量，并为该方法开发一致收敛的保序倾向得分估计。
- 材料陈述的贡献
- 摘要称，保序估计的结构有助于处理既有匹配方法的效率、匹配数量、调参、倾向得分误设稳健性及自助法有效性问题。
- 阅读关注点
- 应核对单调性针对哪些变量、平均处理效应的识别与重叠条件，以及匹配规则、效率结论和误设稳健性的具体范围。
- 阅读边界
- 所给 Crossref 摘要未说明完整因果识别条件或单调性失效时的表现；对效率和稳健性的陈述不能理解为任意设定下成立。
原文摘要
We propose a one-to-many matching estimator of the average treatment effect based on propensity scores estimated by isotonic regression. This approach is predicated on the assumption of monotonicity in the propensity score function, a condition that can be justified in many economic applications. We show that the nature of the isotonic estimator can help us to fix many problems of existing matching methods, including efficiency, choice of the number of matches, choice of tuning parameters, robustness to propensity score misspecification, and bootstrap validity. As a by-product, a uniformly consistent isotonic estimator is developed for our proposed matching method.