Matching on the Estimated Propensity Score
基于估计倾向得分的匹配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：摘要明确以评估研究中的平均处理效应为目标，分析倾向得分匹配及其方差修正，因此直接对应因果推断方向。
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
基于估计倾向得分的匹配
- 研究问题
- 在平均处理效应评估中，先估计倾向得分再进行匹配会如何改变估计量的大样本分布，标准误应怎样反映第一步估计的不确定性？
- 方法与思路
- 作者推导倾向得分匹配估计量的大样本分布，将第一步得分估计纳入分析，并据此构造修正渐近方差的调整项。
- 材料陈述的贡献
- 摘要称，证明第一步倾向得分估计会影响匹配估计量的极限分布，并给出相应的渐近方差修正，补充此前尚缺的理论结果。
- 阅读关注点
- 核对处理效应目标、匹配规则、倾向得分模型和正则条件，重点检查方差调整项的符号、估计方式及标准误实现。
- 阅读边界
- 摘要未说明因果识别假设、具体匹配方案或有限样本表现，也未给出方差调整的方向，不能据此认定估计得分总会提高效率。
原文摘要
Propensity score matching estimators (Rosenbaum and Rubin, 1983) are widely used in evaluation research to estimate average treatment effects. In this article, we derive the large sample distribution of propensity score matching estimators. Our derivations take into account that the propensity score is itself estimated in a first step, prior to matching. We prove that first step estimation of the propensity score affects the large sample distribution of propensity score matching estimators. Moreover, we derive an adjustment to the large sample variance of propensity score matching estimators that corrects for first step estimation of the propensity score. In spite of the great popularity of propensity score matching estimators, these results were previously unavailable in the literature.