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

本文研究一种最小化权重的方法，它可以近似平衡协变量，提出了一种调整权重的算法并应用于实证研究，结果表明这种方法可以有效降低加权估计器的均方误差

May, 2017

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

通过最大化因果推断精度的熵平衡算法，我们研究了在倒数概率得分加权框架下，观测原因推断中连续治疗的问题，并使用合成和真实数据展示出我们的算法比基线熵平衡算法更准确地估计因果效应。

Jul, 2021

本研究提出了一种用于处理异质数据的协作逆倾向得分加权估计器，在协作中调整分布转移，从而在异质性增加时显著提高性能，提出了一种联邦学习算法来在保持隐私的同时协作训练结果模型，并通过合成和真实数据集展示了方法的优势。

Apr, 2024

我们提出了一种可通过不同 iable Pareto 平滑加权框架来替换极端权重值的可微分权重学习方法，从而在估算高维异质处理效应时实现数值稳健的估计，实验结果表明，通过有效地校正权重值，我们的方法优于现有方法，包括传统的加权方案。

Apr, 2024

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

论文研究了概率上的一个距离度量（即积分概率度量），并提出这种度量具有一些新颖的性质，例如与二分类器的关系，可以拓展到更广泛的实际应用中。

Jan, 2009

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