Nonparametric identification is not enough, but randomized controlled trials are
非参数识别还不够：随机对照试验的特殊作用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：摘要直接讨论平均处理效应、无混杂、倾向得分与随机试验中的因果推断。
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…
非参数识别还不够：随机对照试验的特殊作用
- 研究问题
- 即使观测研究在无混杂条件下能够非参数识别平均处理效应，其估计与推断是否仍可能比成功实施的随机试验困难？
- 方法与思路
- 作者依据既有的一致估计与已知倾向得分结果，比较观测研究和随机试验，并讨论保留有限样本无偏性的协变量调整方法。
- 材料陈述的贡献
- 摘要强调识别与可可靠推断之间的区别：随机试验提供已知倾向得分，而仅有非参数无混杂识别未必足以支持一致估计和诚实区间。
- 阅读关注点
- 应核对所引结果的参数空间、连续协变量条件及一致性的含义，并检查已知倾向得分与协变量调整如何支持所述区间性质。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审与期刊接收未核实；摘要未列出相关定理的完整条件，不能将其结论推广至所有观测研究。
原文摘要
We argue that randomized controlled trials (RCTs) are special even among settings where average treatment effects are identified by a nonparametric unconfoundedness assumption. This claim follows from two results of Robins and Ritov (1997): (1) with at least one continuous covariate control, no estimator of the average treatment effect exists which is uniformly consistent without further assumptions, (2) knowledge of the propensity score yields a uniformly consistent estimator and honest confidence intervals that shrink at parametric rates with increasing sample size, regardless of how complicated the propensity score function is. We emphasize the latter point, and note that successfully-conducted RCTs provide knowledge of the propensity score to the researcher. We discuss modern developments in covariate adjustment for RCTs, noting that statistical models and machine learning methods can be used to improve efficiency while preserving finite sample unbiasedness. We conclude that statistical inference has the potential to be fundamentally more difficult in observational settings than it is in RCTs, even when all confounders are measured.