加权推断：残差化方法可为变动估计量和变动抽样过程生成短小且有效的置信区间
统计方法学
2025-07-29 v1
摘要
加权方法用于在观察性因果推断中调整样本内的协变量不平衡。常规做法是对结果对治疗变量进行加权回归，以估计稳健标准误。然而，众所周知，加权会膨胀方差估计，甚至显著增加，从而导致标准误和置信区间偏为保守。我们考察并推荐使用同时包含平衡协变量及其与治疗变量交互项的加权回归中的稳健标准误。我们证明，这些标准误在实现多种常见抽样框架下（包括设计基准和模型基准推断，以及带有限样本修正的超大样本抽样）的权重下，具有更高的精度且渐近上正确。当平衡权重用于调整prognostic协变量时，精度提升可相当显著。对于仅近似或在期望值上实现平衡的程序（如逆倾向权重或近似平衡权重），本文方法通过对参数模型进行增补以减少残差，从而提高精度。我们通过仿真和再分析多个实证研究来展示我们的方法。
引用
@article{arxiv.2507.19607,
title = {Inference with weights: Residualization produces short, valid intervals for varying estimands and varying resampling processes},
author = {Erin Hartman and Chad Hazlett and Arisa Sadeghpour},
journal= {arXiv preprint arXiv:2507.19607},
year = {2025}
}