Double Robust Bayesian Inference on Average Treatment Effects
平均处理效应的双重稳健贝叶斯推断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：摘要明确以无混杂条件下的平均处理效应为目标，并围绕倾向得分、条件均值和因果效应区间推断展开，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…
平均处理效应的双重稳健贝叶斯推断
- 研究问题
- 在无混杂条件下，如何使 ATE 的贝叶斯后验推断兼具频率学派效率与渐近正确覆盖，并允许辅助函数正则性相互补偿？
- 方法与思路
- 作者利用受半参数影响函数启发的先导估计，先调整条件均值函数的先验，再修正 ATE 后验，建立双重稳健 BvM 定理。
- 材料陈述的贡献
- 摘要称该程序与有效频率学派 ATE 估计渐近等价，可信区间具有渐近正确覆盖，并在模拟中表现出较短区间和良好精度。
- 阅读关注点
- 应核对双重稳健在本文中对应的平滑性补偿条件、先导估计要求，以及先验调整和后验修正是否依赖额外样本处理。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未列出具体正则条件，不能把双重稳健理解为任意模型误设均有效。
原文摘要
We propose a double robust Bayesian inference procedure on the average treatment effect (ATE) under unconfoundedness. For our new Bayesian approach, we first adjust the prior distributions of the conditional mean functions, and then correct the posterior distribution of the resulting ATE. Both adjustments make use of pilot estimators motivated by the semiparametric influence function for ATE estimation. We prove asymptotic equivalence of our Bayesian procedure and efficient frequentist ATE estimators by establishing a new semiparametric Bernstein-von Mises theorem under double robustness; i.e., the lack of smoothness of conditional mean functions can be compensated by high regularity of the propensity score and vice versa. Consequently, the resulting Bayesian credible sets form confidence intervals with asymptotically exact coverage probability. In simulations, our method provides precise point estimates of the ATE through the posterior mean and credible intervals that closely align with the nominal coverage probability. Furthermore, our approach achieves a shorter interval length in comparison to existing methods. We illustrate our method in an application to the National Supported Work Demonstration following LaLonde [1986] and Dehejia and Wahba [1999].