Assessing the performance of matching algorithms when selection into treatment is strong
强处理选择下匹配算法的表现评估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：摘要明确使用匹配估计大学教育的处理效应，并讨论处理选择和效应异质性。
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
强处理选择下匹配算法的表现评估
- 研究问题
- 在处理选择较强时，距离度量和匹配算法应如何选择，处理效应异质性又如何影响完全匹配与成对匹配的相对表现？
- 方法与思路
- 作者实施最优完全匹配并提出统计推断框架，使用 NLSY79 数据研究大学教育对收入的效应，考察不同数据结构下的算法选择。
- 材料陈述的贡献
- 摘要称，强处理选择与效应异质性并存时完全匹配似乎更合适，而异质性较弱时成对匹配足够，算法选择取决于数据结构。
- 阅读关注点
- 应核对目标效应、距离度量、匹配权重与推断方法，以及强选择下共同支持、匹配平衡和效应异质性的评估方式。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断无混杂等识别条件是否可信，也不能确认算法偏好的适用范围；所谓完全效率的含义未说明。
原文摘要
Abstract This paper investigates the method of matching regarding two crucial implementation choices: the distance measure and the type of algorithm. We implement optimal full matching—a fully efficient algorithm—and present a framework for statistical inference. The implementation uses data from the NLSY79 to study the effect of college education on earnings. We find that decisions regarding the matching algorithm depend on the structure of the data: In the case of strong selection into treatment and treatment effect heterogeneity a full matching seems preferable. If heterogeneity is weak, pair matching suffices. Copyright © 2007 John Wiley & Sons, Ltd.