目标函数平衡
统计方法学
2025-04-10 v3
摘要
本文提出目标函数平衡（TFB），一种用于估计二值干预平均处理效应的协变量平衡权重框架。TFB 先将结果对协变量回归，然后选择权重以平衡（协变量的）函数，这些函数在概率意义上接近所得回归函数。这带来了回归函数预测值与协变量的平衡，并由回归函数的估计方差决定协变量达到何种程度的平衡即已足够。值得注意的是，TFB 表明有意保留某些协变量的不平衡可在不引入偏差的情况下提高效率，这挑战了任何变量不平衡均须警惕的传统观点。此外，TFB 完全由回归函数及其估计方差定义，从而将如何最佳平衡协变量的问题转化为如何最佳建模结果的问题。我们考虑将核正则化最小二乘（KRLS）、LASSO 与贝叶斯加性回归树（BART）作为回归估计量。借助 KRLS，TFB 丰富了基于核的权重相关文献。至于 LASSO，TFB 利用回归函数的估计方差来优先平衡协变量的某些维度，这一特性可通过选择稀疏回归估计量而大为获益。借助 BART，我们展示了 TFB 可应用于不具有线性表示的回归估计量。R 语言包 tfb 实现了 TFB。
引用
@article{arxiv.2203.12179,
title = {Targeted Function Balancing},
author = {Leonard Wainstein and He Bai},
journal= {arXiv preprint arXiv:2203.12179},
year = {2025}
}