用于因果效应估计的校准与保形倾向得分

倾向得分常用于从观测数据估计处理效应。我们主张，所学倾向得分模型的概率输出应当经过校准——即90%的预测处理概率应对应90%的个体被分入处理组——并提出了简单的再校准技术以确保该性质。我们证明，在使用流行的逆倾向加权与双重稳健估计量时，校准是无偏处理效应估计的必要条件。我们推导了因果效应估计的误差界，其直接关联于概率倾向得分模型所提供不确定性的质量，并表明校准严格改善了该误差界，同时避免了极端的倾向权重。我们在若干任务中（包括高维图像协变量与全基因组关联研究（GWASs））展示了校准倾向得分对因果效应估计的改进。校准倾向得分通过启用更易训练、速度更快的更简单模型，将GWAS分析速度提升了两倍以上。