Covariate balancing with measurement error
存在测量误差时的协变量平衡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：摘要明确研究协变量平衡、观测混杂及处理效应估计，直接属于因果推断。
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…
关注这篇论文的作者
存在测量误差时的协变量平衡
- 研究问题
- 当观测协变量含有测量误差时，处理组和控制组之间的协变量平衡如何受到影响，处理效应估计又会产生何种偏差？
- 方法与思路
- 作者分析忽略测量误差对平衡和处理效应估计的影响，并为已有协变量平衡方法提出一类误差修正策略，以模拟和真实数据评估。
- 材料陈述的贡献
- 摘要称，直接忽略测量误差会加剧协变量不平衡；提出的修正策略在理论上可恢复所有协变量的平衡并消除处理效应估计偏差。
- 阅读关注点
- 应核对测量误差模型、修正所需的额外信息、平衡恢复与偏差消除的适用条件，以及模拟和真实应用如何验证这些结论。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明误差分布、误差参数如何识别及因果识别所需条件。
原文摘要
In recent years, there is a growing body of causal inference literature focusing on covariate balancing methods. These methods eliminate observed confounding by equalizing covariate moments between the treated and control groups. The validity of covariate balancing relies on an implicit assumption that all covariates are accurately measured, which is frequently violated in observational studies. Nevertheless, the impact of measurement error on covariate balancing is unclear, and there is no existing work on balancing mismeasured covariates adequately. In this article, we show that naively ignoring measurement error reversely increases the magnitude of covariate imbalance and induces bias to treatment effect estimation. We then propose a class of measurement error correction strategies for the existing covariate balancing methods. Theoretically, we show that these strategies successfully recover balance for all covariates, and eliminate bias of treatment effect estimation. We assess the proposed correction methods in simulation studies and real data analysis.