AVERAGING ESTIMATORS OF HETEROGENEOUS TREATMENT EFFECTS UNDER ADDITIVE MODELS
加性模型下异质处理效应估计量的模型平均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：摘要直接以潜在结果、匹配和模型平均估计条件处理效应。
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
加性模型下异质处理效应估计量的模型平均
- 研究问题
- 如何在样条加性模型中估计条件处理效应，并通过模型平均处理变量选择不确定性，以及反事实结果不可观测的问题？
- 方法与思路
- 作者用最近邻匹配近似未观测潜在结果，以 J 折交叉验证准则选择模型平均权重，并研究权重及平均估计量的一致性。
- 材料陈述的贡献
- 摘要称，方法在某些设定下达到最低平方损失；候选集中存在正确模型时，权重渐近集中于正确模型，并报告模拟和应用优势。
- 阅读关注点
- 应核对处理效应识别条件、匹配误差如何进入交叉验证准则、候选模型与样条复杂度，以及渐近最优性的具体损失定义。
- 阅读边界
- 所给 Crossref 摘要未说明完整识别条件、候选集限制和比较数值；最优性仅在某些设定成立，不能据此断言普遍优于其他方法。
原文摘要
We consider spline-based additive models for estimation of conditional treatment effects. To handle the uncertainty due to variable selection, we propose a method of model averaging with weights obtained by minimizing a J -fold cross-validation criterion, in which a nearest neighbor matching is used to approximate the unobserved potential outcomes. We show that the proposed method is asymptotically optimal in the sense of achieving the lowest possible squared loss in some settings and assigning all weight to the correctly specified models if such models exist in the candidate set. Moreover, consistency properties of the optimal weights and model averaging estimators are established. A simulation study and an empirical example demonstrate the superiority of the proposed estimator over other methods.