本文考虑针对协变量的平衡，提出基于倾向得分的加权策略以平衡不同处理组间分布的协变量。并针对此类权重提出新的加权方案，即叠加权重，从而最小化此类平衡权重中加权平均治疗效应的渐进方差，同时具有良好的小样本平衡性质。最后，我们提出一种新的方法，可以实现任何选定协变量的均值的精确平衡。
Sep, 2016
本文提出了一种使用积分概率度量进行协变量平衡的加权方法，并证明该方法可以在不正确指定模型的情况下保持一致性，同时在有限样本情况下的表现也比现有方法更好。
May, 2023
本文介绍了一种基于排列加权的方法，使用标准二元分类器来估计平衡权重，以实现观测因果推断。通过这种方法可以估计多种现有平衡权重，同时允许基于分类器损失的方法直接比较，并使用交叉验证进行超参数调整。实证评估表明，排列权重相对于现有的方法表现更为有利。
Jan, 2019
通过协变量平衡评分规则改进倾向性分数估计进行观察研究，可以使震荡的协变量平衡，并且提供比贝努利极大似然估计更稳健的估计。
Jan, 2016
处理不平衡分类数据时，重新权衡损失函数可以在风险度量内平衡正负类的真实率。然而，现有结果未能充分解决不平衡分类框架中的一个主要挑战，即相对于整个样本空间，一个类别的尺寸微不足道，并且需要将风险函数按趋近于零的概率重新缩放。为了解决这一差距，我们在罕见类概率接近零的情况下提出了两个新的贡献：(1) 用于约束平衡实验风险最小化的非渐近快速概率界限，以及 (2) 平衡最近邻估计的一致上界。我们的发现更清楚地了解了类别加权在实际情况下的好处，并为该领域的进一步研究开辟了新的途径。
Oct, 2023
本文提出采用核平衡方法来进行匹配和加权处理以进行因果推断，并证明该方法对于评估处理后的平均效应具有偏差纠正作用。该方法旨在使处理组和对照组之间的非治疗可能结果的条件期望相等，其中采用核函数提取基函数集合使得在该基函数下加权后处理组和对照组具有相等均值。采用该方法可用于实现不需要对治疗分配机制进行任何模型假设的稳定反倾向得分的权重选择。
Apr, 2016
本文提出了一种修正方法，使得套索法等稀疏回归方法可以用于高维线性模型的 sqrt {n}- 一致推断，而无需额外假设述评分数的可估计性，仅需要假设存在交集，即积分比例得分从 0 和 1 足够远。
通过从预测源分布和指定目标分布之间的转移函数中得出样本权重，我们提出了一种简单的方法来选择高度不平衡或偏斜特征问题的样本权重。该方法在回归和分类任务上优于无权重和离散权重模型，并把该算法实现开源给科学界。
Mar, 2021
该论文研究了在估计因果效应时，直接将协变量平衡考虑在内的熵平衡法，该方法具有双重鲁棒性和渐近半参数方差界限。
Jan, 2015
本文介绍了在因果推断中使用加权重来实现预测功能的平衡，强调了确定合适的目标人群的重要性，并使用引理将平衡与倾向性评估的质量联系起来，最终展示了学习到的加权表示如何促进具有吸引力统计特征的替代因果学习过程。
Oct, 2020